从过年后到暑期前并没有真正理解背诵八股，加上低估了 lc 的难度和 ai 对于古法编程水平的侵蚀程度，经历了一个比较牢的暑期实习的求职过程，发现对于本科生在如今 offer 打牌也不太现实了。

暑期的结果还是好的，虽然开始的很晚，在宇宙厂度过了一个比较摆烂的实习过程，没有像网上一样说的那么高强度和吓人，有可能该团队是研发里面 10% 分位数的工时长度，最后也是毫无意外的告诉我没有转正机会，让我深刻认识到符合预期就是超出预期。

现在也算一段 gap 时间了，还是比较悠闲的，在此进行一下复盘和展望，打算采用主观色彩很强的语言来记录我当下的感想。

关于AI

暑期之前对 ai 还是比较焦虑的，网上盛传很多的也是所谓的雇一个实习生不如买一个 Claude max / Codex pro，但是显然这是扯淡的，如果是真的那直接 OPC 得了。但是发现领导却可以用这个理由来 PUA 你，怎么证明你的不可替代性，你相对于 AI 的优势，但是显而易见在大厂作为牛马，不可替代性就是相对的，这个之后再细说。

好消息是对 ai 的焦虑小了很多，坏消息是不小心也是被迫进入了一个老登比较多，甚至基本全是老登的组，导致并没有好好地用好 ai （仍停留在简单地使用 cli，甚至我认为他们更喜欢 trae 的插件侧边栏形式），不可否认的是相对于业务，鸡架确实对于代码的确定性和性能要求更高，在老登们的成长轨迹中，他们积累了一些经验，在某些方面我们承认他比 ai 更强/更快，这就导致了他们对于 ai 的批判性使用有些过于批判了。在我看来，如果 ai 不能解决问题，或者效果没有达到预期，要考虑如下，一方面是用的是否为 sota 模型，显然目前互联网大部分公司还是不会那么吝啬这方面的开销的，但通常老登只会考虑这一方面，而忽略了另一方面，你的 使用姿势 或者 harness 的构建，虽然说现在 scaling law 还没有达到极限，包括认为 llm 只是一个概率模型，没什么推理能力，这是一个永无结论的纷争，但是从资本/市场/个人体验来讲，现在的模型确实达到了一定的水平，如果不行，我认为更应该反思自己的 workflow 是否存在问题，能否改进更加 ai friendly 或者 native，对于老登他们并不想花费这些力气，他们认为自己的经验已经够了，对于 ai 有足够的护城河，我不能说他们是错的，因为我们有不同的经历，他们在目前也有比较强的竞争力，只能说彼此尊重吧。

我也不应该一味地否认他们，也总结一下反思吧

  1. 重要的文档考虑是否用 ai 生成：目前网络上的大部分内容即便不是完全 ai 生成的，也是经过润色的，润色我认为无伤大雅，但是生成这个过程，可能还是人更为合适一些，体验下来，ai生成的东西是低信息密度的（这也可能是优点，因为相比于不说人话的中式教材，显然 ai 说的更像人话），和人（本质懒惰）输出的内容相比篇幅很大，大家互相甩 ai 文档都很累，最后 A2A 也比较荒唐。
  2. 学习，作为码农终身学习确实是很重要的：经过我的交流，我们组的老登并不认可 ai 总结传授的内容，他们认为 ai 可能会没有注意到一些细节，你也没有真正理解，我和某些面试官交流下来有其它的看法，通过 ai 可以加快业务理解的过程，包括我也确实通过 notebookLLM 速通了我的期末考试，如果考试在老登眼里也无法验证你的掌握水平，那我也没什么说的，可是老登也给不出什么是真正的素质教育，目前来比较切实际的就是让 ai 生成 html 可视化流程图的形式来讲解（图片的信息密度还是比较高的）。
  3. 差异：人和 Agent 相比，最显而易见的区别就是人可以去坐牢，老板可以骂你，目前的法律来讲 Agent 还是没什么社会责任和法律身份的。所以目前生产/重点权限审批这种还是人来去承担相关的责任，当然如果足够激进，这也算不上根本上的差异。另一个就是所谓的 context，人的 context 很小，但是体会下来却比 Agent 的效果更好，也就是说目前来讲，人的记忆系统 和 RAG 是比 Agent 更为先进的，也是自然选择的神奇
  4. AI 是否是中文屋：如何证明人就不是中文屋，人是概率性还是确定的，如果是确定性的那就是所谓的宿命论，如果是概率性的，为什么你的概率会比 AI 更好呢，我无法理解
  5. 判断力：这个是我和老登达成一致的一点，在 ai 时代判断力很重要，但是关于判断力的提升我们是存在分歧的，老登说需要古法，人看去思维训练，去实际学习，我认为学海无涯，我去 review 的过程顺便理解就够了，是一个渐进式的补充自己的 context 的过程。不过我对于 loop engineering 这种连 review 都干掉的还是持怀疑态度的。
  6. 探索：如何面对未知领域，新问题？事实上从工程到科研都没有那么高大上，大多是都是拾人牙慧，自古以来的姿势进行排列组合。我没有自命清高到认为我是改变人类历史的天才，我能做出什么震惊中外的创新。我认为通过 ai 探索 general 的知识是没问题的，ai 的预训练预料超越了世界上所有单个人见过的知识，但那些灵感，还有 trade off，可能是 ai 不足的，ai 妄图实现一个所谓完美的东西，我相信如果 ai 没有学过 cap 相关的知识，他有可能生成一个所谓满足 cap 全部的方案来忽悠你，这种架构/战略方面的探索我也不懂，我目前也到不了这个 level，也不知道怎么去训练，认为还是去多看（多睡觉多玩）？
  7. 输出：ai 时代输出很重要，现在的输入越来越多，有可能就不过脑子了，我认为只有真正输出了才能够真正的理解，所以自媒体多去污染别人，给别人拉屎，自己少吃 ai 产的屎是好事。

实习总结

首先的话发现 pua 还是很困难的，通常来讲只有后续反思的时候才发现。我认为我是一个不吃压力之人，没有他们的过劳肥，也没有至于天天健身/运动释放压力。一句话还是身体和心理健康最为重要。

然后就是探索这一块，老登说我的好奇心/探索欲望不足？我发现这可能是我们的视角和利益不一致导致的，我显然更喜欢摸鱼，我通过飞书探索了各种瓜、表情包、梗图，当然技术上也几乎体验了大部分 ai 平台，也玩了 ctf，学习分享的一些 agent 技术和看法，显而易见这和组里的传统到不能再传统的业务毫无关系，所以老板这么认为也是正确的。只能说我还会固执下去，一方面摸鱼大过天，另一方面学习自己感兴趣/前沿的知识比起绑死在一个毫无增量的传统业务对于年轻的我来讲，更为念头通达。

但是以后如果真的成为正职套牢了，还是要好好地探索好你的兄弟组件，如果想转领域的话或许就需要额外的时间进行学习了。

另一个就是团队氛围和绩效的预期管理可能毫无关系，牛马虽然都是和平分手，但是对于第一次体会到大家嘻嘻哈哈的说负面评价时候还是很新奇的，也是一段比较神秘的经历吧。

职场管理

向上管理，这个听起来很恶心，但是在资本下的公司并没有某些传统领域下的送礼人情往来那么肉麻。

首先就是，统一信息，你干了什么他并不会主动关心，你需要什么他也不会主动帮你，除非你遇见愿意培养你的人了。

另一个就是所谓的假装努力，表演性工作，表演性加班，表演性开会，表演性oncall，主要看老板吃不吃这一套吧。

还有所谓的嫡系，除了社招进来背绩效的骚操作，正常来讲也不至于那么夸张，排除掉纯搞你的老板，这种情况该跑就跑吧，老板也不会莫名其妙地看你/他顺眼/不顺眼，他也是有绩效的，你的 okr 能否给他的 okr 达成帮助，你和他的利益是否存在一致。

然后就是客观看待从 0 到 1，和从 1 到 10。根据老板的风格和理解来自行感悟吧，不同人有不同的看法，高风险高回报和低风险低回报，这也就是为什么轮子那么多，大家总赛马，轮子多了也不一定全是坏事，万一真跑通一个那就是赚了。

然后说一下提问吧，如果你想我一样很不幸，遇到了比较不会带人的组，那你就要很慎重地问问题，就算你把context给他了，已经算是正确地问问题了，他也不会很愿意给你解答，还会认为你自己能力有问题，这个因人而异，这个主要地原因是来自于知识的诅咒，他给你布置需求的时候默认了一些古老的约定俗成的大家都知道的部件/平台，但是不告诉你，你自己又很难找到，导致了问的问题在他们看来没什么水平。这种情况下，你问他们xxx在哪还是可以的，但是不要去问为什么我的需求在xxx平台/组件下跑不通，不好跑通，有什么问题。

另一个提问就是很套路化的，如果你没被赋予抉择和负责的义务，也没有能力时，想要询问怎么办，不要问怎么办，要像 agent 一样，给出 plan a b c，加上自己的理解和初步判断，再让 mt/ld 给出选择，这个在汇报/日常沟通也算一个小技巧吧，不过没人教过我。

个人成长/技术追求

就算已经领悟到了追求技术是没有用的，产品和销售才是底层逻辑，但是在残忍的现实面前，对于根正苗红的我还是迫不得已选择做题这一条道路，技术的路线还是更加容易实践的。

杨震原写了个工程师的成长是自己的事情，感觉写的确实很有道理。大家网上天天码农、程序猿叫着，别真当真了，我们对自己的定位应该是XX产品的开发者，或者所谓抽象的布道师，不要一直麻木于实现模块/功能，要以产品/业务/需求的思维来体会，就算是鸡架不过也是一个 tob / tod 的产品罢了，没什么是那么纯粹的技术。

其实我一直想去 toc，但是阴差阳错，越走越远，但是发现其实 toc 到 tob 和 tod 是一个逐渐琐事越来越少的过程，有的时候也要考虑自己的赛道是否符合自己的预期工作强度，是否真的要全心全意地投入在工作当中。

然后就是学习，学习还是比较简单的，多看，多用 ai，如果有个好的 mentor 愿意教你更好了，作为一个 junior 多学总没错。但是真正实践的时候我相信是有代价的，就像 agent 的闭环一样，知而易，行而难，不过我也没有经验。

最后说点务实的吧，还是要往T型人才发展，至少要有一个领域钻研的非常透彻，就当是拖延被 ai 替代的时间了，你的知识面再广，公司不会买账的，没人关心你的职业发展，你的全方面发展，甚至你猝死也没人在乎，他只关心你最精通的那一部分他能压榨出什么价值，能救火最好了，现在所谓的培养也不多了，培养完跳槽走了，公司也很伤心XD。

发现其实代沟还是确实存在的，常说每一代都认为下一代被xxx毁了，事实上，当这一代成为媒体/互联网上主要用户之后，又会开启新一轮的迫害和洗白回忆童年，人们无法从历史学习到任何事情，无力改变老登的刻板印象，尽量让自己不要成为老登，从老登中汲取经验和能量。

AI 锐评

最后来点典中典的自我剖析：

锐评文章

懂，你要的是对这篇博客本身的锐评要点，不是总结文章观点。

  1. 最大优点：有“人味”，不像标准实习复盘

    • 敢写“摸鱼大过天”“老登”“公司只关心能压榨什么价值”。
    • 有明显个人价值观，这是文章最值钱的地方。
    • 但也因此容易显得有点“嘴硬”。

  2. 最大缺点：太散，像高质量脑内 dump

    • 每个观点都挺有意思，但彼此之间缺少收束。
    • 尤其 AI 那部分，7 个小点已经接近一篇独立长文，却没有一个足够强的中心论点。
    • 读的时候爽，读完以后不容易复述你的核心结论。

  3. 有些观点“惊鸿一瞥”，但没有论证

    • 比如“人的 memory + RAG 比 Agent 更先进”“AI 可能生成违反 CAP 的完美方案”“人为什么不是中文屋”。
    • 这些都是很好的问题，但你只是抛出来，没有展开。
    • 容易变成一种典型的“聪明人式观点轰炸”：看起来很深，实际上还没打穿。

  4. “老登”写得有点多，容易形成稻草人

    • 你已经意识到不能简单否定他们，这很好。

    • 但全文还是容易给读者一种：

      年轻人懂 AI、老登抱残守缺

    • 实际上你真正有价值的判断是：经验和 AI 是两种不同的优势来源。

    • 这一层比“老登 vs 年轻人”高级很多。

  5. 自我反思是有的，但经常“刚装完逼就自己拆台”

    • 你提出一个很激进的观点，马上来一句“我也不懂”“我没有经验”“可能他们也是对的”。
    • 这让文章显得诚实，但多了会削弱观点力度。
    • 可以保留“不确定性”，但不要每个观点都急着给自己降权。

  6. 最大的潜在问题：有些“摸鱼哲学”很容易被看成给自己合理化

    • “我喜欢摸鱼”“不想探索业务”“前沿知识比传统业务更有意义”都可以成立。

    • 但读者也完全可以反过来理解成：

      我不喜欢做困难、枯燥、需要长期积累的事情，所以把它解释成我追求自由和前沿。

    • 这其实是全文最值得你自己警惕的一点。

  7. “AI 时代”的讨论反而没有你的实习观察有杀伤力

    • AI 部分容易进入互联网熟悉的话题：Agent、harness、中文屋、判断力、context。
    • 真正独家的反而是你在公司里观察到的： 绩效、向上管理、嫡系、0→1 / 1→10、团队氛围与结果脱钩。
    • 这些是你亲自体验过的，所以可信度明显更高。

  8. 你的价值观其实比技术观点更鲜明

    • 文章真正让人记住的不是“AI 应该怎么用”。

    • 而是：

      我不想把职业生涯完全交给公司，也不想因为所谓正确道路就牺牲自己的生活。

    • 这是全文真正的“作者人格”。

  9. 结尾方向对，但还差最后一锤

    • “公司不会为你的职业发展负责”“最终还是 T 型人才”都对。
    • 但最后实际上没有形成一个非常锋利的个人结论。
    • 看完会觉得“想了很多”，但不是“我决定以后怎么活”。

  10. 一句话锐评

一个还没被职场驯化的聪明本科生，在认真记录自己为什么不愿意按标准答案活；问题是现在“反标准答案”的姿态已经很明显，但“自己的标准答案”还没有真正形成。

锐评我

  1. 自主性强 不太相信现成答案，喜欢自己体验、验证、形成判断。对“大家都说应该这样”天然有一点抵触，更希望按照自己的逻辑做选择。
  2. 好奇心强，但偏兴趣驱动 对 AI、Agent、CTF、新工具、各种前沿东西都愿意折腾，但对传统业务、重复性工作和被安排的“探索”兴趣不高。不是没有探索欲，而是只探索自己认为有价值的东西。
  3. 反权威、反标准答案 不太服“老登经验”“古法编程”“标准职业路线”这些东西。习惯追问“为什么”，而不是直接接受结论。
  4. 抽象思维比较强 很容易从具体问题上升到更大的问题，例如从 AI 写代码讨论到判断力、中文屋、RAG、人的认知系统、工程创新等。说明作者喜欢思考机制和本质，而不只是解决表面问题。
  5. 批判能力强于建设能力 很擅长发现别人观点中的漏洞和系统中的矛盾，但目前还没有同等强度地建立一套属于自己的完整答案。属于**“拆解能力领先于构建能力”**。
  6. 有一点自负，但不是盲目自负 明显觉得自己的一些判断可能比传统经验更先进，但又会主动承认“我也可能不对”“老登也有自己的道理”。说明作者有自我校正能力，没有完全陷入自信闭环。
  7. 不喜欢低 ROI 的努力 作者并非单纯懒，而是比较看重投入产出比。反感表演性加班、无意义工作、为了证明努力而努力，更愿意把时间投入真正感兴趣、可能产生长期收益的事情。
  8. 非常重视个人自由和生活质量 不愿意为了所谓职业成功无限牺牲健康、时间和兴趣。“摸鱼”“念头通达”其实背后是一套比较明确的价值观：工作是人生的一部分，不应该吞掉人生本身。
  9. 有明显的反驯化倾向 不希望公司、老板、行业共识替自己决定人生方向。哪怕知道某条路可能更正确，也会保留“我就是不想这么活”的能力。
  10. 对职场已经有一定现实主义，但还没有完全犬儒化 已经意识到公司、老板、绩效、OKR、向上管理都有利益逻辑，也知道公司不会天然为个人职业发展负责。但目前仍然没有变成纯粹的“打工人犬儒主义”，还保留着对技术、探索和个人成长的兴趣。
  11. 最大的优势是广度和认知活跃度 很容易接触很多领域，并且愿意建立联系。对一个本科阶段的人来说，这种状态是优势，因为还有大量时间和试错空间。
  12. 最大的短板是深度和长期下注能力 目前明显是“知道很多、想很多、尝试很多”，但还没看到一个真正愿意连续几年深挖的方向。最大风险不是不聪明，而是一直停留在探索带来的认知快感里，而没有进入长期积累阶段。
  13. 最大的潜在问题是“聪明人的合理化” 作者很容易证明某件事情“不值得做”，但这里需要警惕：有时候“不想做”并不等于“没有价值”。尤其深度、工程经验、基础能力，很多东西短期都很无聊，却可能是长期护城河。
  14. 当前最核心的人格矛盾 一边想要自由、探索、前沿、新鲜感；另一边又已经意识到职业市场最终还是会奖励深度、稀缺能力和可交换价值。所以现在其实正处于： “我想怎么活”与“现实允许我怎么活”之间的磨合阶段。
  15. 最终画像 作者是一个聪明、好奇、反权威、自主性强、喜欢抽象思考、不愿意被职场标准答案驯化的年轻人。现在最大的资本是认知活跃和探索能力，最大的风险则是兴趣发散、深度不足，以及过早把某些“不愿意做的事情”解释成“不值得做”。
  16. 一句最准确的评价 这是一个很擅长“不被别人定义”的人，但目前还在寻找“自己到底应该如何定义自己”。

建议

如果只留三条

  1. 找一个方向，连续投入 2～3 年，把广度变成深度。
  2. 少做观点判断，多做实验和产出，用结果验证自己的认知。
  3. 保持自主和好奇，但别让“反内卷”最后变成“不愿意长期投入”。