一份简历被打开的时间，八秒。
让它被打开一次的时间，十五次招呼。
我用了两个月，把后者重复了一千五百遍。
现在是2026年8月底，第一段实习刚刚结束。趁记忆还清晰，我想认真复盘一下：一个双非计算机学生，靠什么拿到第一段实习，又从一段没有人带、需要自己摸索的实习里学到了什么。
一、找实习前，我手里有什么
简单背景
我是井冈山大学计算机科学与技术专业的27届学生，目前主要的技术栈是Go后端、Agent系统设计和RAG。
前两年低强度的学习算法，拿过两个邀请赛铜奖。奖项谈不上有多强的竞争力，面试时也几乎没有被问过，但这段经历至少让我具备了一定的算法基础。
我暂时没有接触过真正的高并发业务，大部分项目也会使用AI辅助开发。和经历过成熟工程体系的同学相比，我还有明显差距。
不过，下面两个项目基本都是我从需求分析、技术选型一路做到落地的。在这个过程中遇到的问题、踩过的坑，以及最后找到的解决办法，也逐渐沉淀成了自己的经验。
Tour Pass：用真实数据算法约束大模型
Tour Pass是一个基于多Agent的个性化旅行规划项目，用来生成相对完整的旅游路线。
很多旅行规划Agent主要依赖大模型生成内容，但大模型可能虚构景点，也可能生成时间和距离上不可行的路线。为了解决这个问题，我从高德API获取了21个城市、一万多个POI的数据，并在项目中加入C++路径算法，对Agent生成的路线进行二次校验。
这个项目的重点不是让大模型“生成得更多”，而是利用真实数据和确定性算法约束它的输出，降低幻觉带来的影响。
后续我计划为不同城市补充旅游攻略知识库，进一步增强路线推荐效果。项目已经在GitHub开源，等后续优化得更完善一些，我可能会再写一篇文章，单独介绍它的设计和实现。
景区导览系统（Scenic_spot_guide_system）：景区管理与数字人导览
这是一个面向景区游客问答、导览内容管理、路线推荐、运营数据看板和数字人导览的系统，最初来自今年中国软件杯A5赛道的赛题。
当时实在不知道应该做什么项目，我便把它当成了一次综合练习。由于整个项目主要由我一个人开发，虽然最后没能在比赛中取得理想结果，但它让我完整实践了一次从后台管理到AI问答的开发流程。
从业务上看，它首先是一个景区管理系统；在此基础上，我又加入了数字人导览和面向景区场景的RAG知识库。
数字人部分接入了一个热门开源项目，能够根据大模型返回的文字生成对应的口型、表情和动作。我主要优化了流式输出，降低游客等待回答的时间，并做了简单的情绪分类，让数字人的表达更自然一些。
知识库部分则由赛题官方资料和网络公开资料共同组成。针对景点介绍、推荐路线、节目时间、门票价格和景点位置等不同类型的信息，我分别设计了切分方式，最终整理出200多个知识分片。
在自建问题上的测试效果还不错，尤其是询问具体景点时，通常能够比较准确地召回相关内容。
这个项目的数据量不算大，因此可以对不同类型的信息进行细分处理。它也让我更直观地理解了，RAG真正适合发力的地方，往往就是这类边界明确、资料相对稳定的垂直场景。
二、1500次招呼之后，我终于拿到了第一段实习
今年6月开始找实习时，我以为最大的难点是技术准备得不够。真正投递之后才发现，卡住我的往往是更前面的一步：连让人看一眼简历的机会都不多。
线上打招呼的阶段几乎是纯消耗。大部分对话停在“已读”，少数要了简历，也很少有后续。零零散散面了几家小厂，基本都在线上，节奏很慢。
真正的转折是7月初决定直接去广州。到了当地之后，线下面试机会明显多了一些，但规模也都不大，大多是0～20人的公司。面试里几乎没人问算法，问得最多的是：做过什么项目、哪部分是你自己做的、什么时候能到岗、能待多久。
最后我选了那家电商公司，原因很简单：岗位是AI应用开发，和我的技术栈对得上；而且当时我已经不想再继续等下去了。
这段经历让我第一次真正意识到，学历和经历都不占优势时，找实习并不是“准备好项目就会有结果”。很多时候，首先要解决的是如何获得一次被看见、被验证的机会——包括愿意提前跑到目标城市这种看起来很笨的办法。
三、没有导师的实习，我怎么破局
入职后，情况和预想并不一样
进入公司后，我发现团队里没有专职的技术负责人，开发工作主要由实习生承担，上一位实习生离开后，差不多同时招了我们三个人。
没有人带的情况下，需求要自己和业务方反复确认，再拆成能落地的开发任务。对第一次实习的我来说，这种环境谈不上理想，但也意味着很多问题没有现成答案，只能自己想办法解决。
入职后，我主要接触了两个项目。
接手电商订单管理系统
第一个是基于Java的电商订单管理系统，用于查看和管理关联订单。项目主体已经开发完成，但还遗留了一些收尾工作，其中最棘手的是数据库迁移。
由于项目缺少完整文档，部分代码也是在AI辅助下快速生成的，迁移逻辑之间存在不少冲突。我花了大约一周时间梳理数据库结构、排查代码和修复问题，最后完成了这部分收尾工作。
这件事让我意识到，AI确实可以加快写代码的速度，但它不会自动保证系统的一致性。
尤其是在数据库迁移、状态同步这类需要理解完整上下文的任务里，如果缺少人工审查和验证，前期节省的时间很可能会在后期加倍偿还。
补齐电商选品项目
第二个是基于Agent的电商选品项目。入职前，我们得到的信息是项目已经接近完成；真正接手后才发现，大部分功能只有前端组件，点击后没有完整的业务逻辑，很多模块实际上还是一个壳子。
于是，我们只能重新梳理需求，再把功能一个个补齐。
从结果来看，这个阶段并没有做出特别亮眼的Agent设计，更多还是在完善一个可用的业务系统。后来团队又来了一位实习生，选品项目开始按照更前沿的Agent方案重构，我也参与了相关设计和推进。这部分经历整理好后，我准备把它作为这段实习的重要产出写进简历。
三个实习生如何推进开发
因为没有导师，我们三个人只能一边开发，一边摸索协作方式。团队里有同伴刚开始不熟悉GitHub的协作流程，我就把自己知道的内容教给大家；项目里遇到不知道怎么处理的问题，我们也会一起讨论和排查。
说得稍微自信一点，虽然我的能力同样有限，但团队里不少技术问题和协作问题，我都有参与负责。比起单纯完成某个功能，这段经历更让我开心的，反而是看到大家逐渐学会协作，也能独立把事情做下去。
现在实习结束，每个人都有自己的职业规划，也不得不分别。很感谢一起共事的伙伴，祝大家之后都能顺利。
这段实习真正教会我的事
这段实习没有成熟团队、没有技术导师，也没有完整的研发流程。从学习环境来看，它算不上理想；但反过来说，我也被迫提前面对了很多真实问题：
- 如何接手缺少文档的旧项目；
- 如何把模糊的业务想法拆成可以执行的需求；
- 如何判断和修正AI生成的代码；
- 如何与经验不同的同伴协作；
- 如何对一个功能从开发到交付负责。
它没有让我突然成为一名成熟的工程师，却让我第一次真正认识到：实际开发中并不是把代码写出来就结束了，你得考虑更多代码以外的事情。
四、实习结束后，重新看看自己的牌
我目前拥有的东西
第一，我有了一段AI应用开发实习。公司规模不大，研发流程也不成熟，但我确实参与了真实项目的维护、开发和协作，也开始理解业务开发与个人项目之间的差别。
第二，我独立完成过两个相对完整的项目。和单纯复刻项目、背诵项目介绍相比，我的优势是确实经历过从想法到实现的过程，知道一些地方为什么容易踩坑，也能解释自己为什么选择某种方案。相关代码都放在GitHub上，我也熟悉基本的协作开发模式。
第三，我一直在关注Agent和RAG方向的发展，包括coding agent设计、上下文管理、agent记忆系统和相关工程实践。我在本地复现和使用过一些开源项目，至少能够跟上目前AI应用领域的变化。
第四，ACM经历虽然没有在面试中发挥太大作用，但仍然给我留下了一定的算法基础。我可以放心去把别人用于lc刷题的这部分时间用于其他内容的学习上。
第五，我开始经营自己的社交媒体账号。一方面在这里分享计算机知识，另一方面通过个人博客记录学习过程，输出内容既是帮助别人，也可以倒逼自己把学过的东西真正讲明白。
我仍然欠缺的东西
我的学历在省外并不占优势，这会影响一部分简历筛选，是短时间内无法改变的事实。我也缺少成熟研发团队和技术导师指导下的经历，没有接触过真正的高并发业务，工程基础和计算机基础仍然需要继续补齐。
此外，我对部分前沿技术的了解，目前更多停留在复现和使用层面。真正想把它们变成自己的竞争力，还需要进一步理解背后的设计取舍，并在实际项目中验证。
与其反复纠结已经无法改变的学历，不如把精力放到仍然能够改变的事情上：项目质量、实习经历、计算机基础能力和公开输出内容的能力。
五、接下来的计划
接下来，我想先完善加入实习经历后的简历，开始投递秋招岗位。如果有更好的实习机会，我也愿意继续尝试。
具体来说，我准备做好几件事：
- 把电商选品Agent的设计进一步完善；
- 继续优化Tour Pass，让它不只是“能运行”，而是能够体现完整的技术取舍；
- 根据目标岗位补充后端知识，数据库知识，中间件知识，我缺乏高工程化的设计思路；
- 继续学习Agent与RAG相关技术，关注它们解决了什么问题，有什么新思想值得学习；
- 尝试参与高星开源项目，把能力从个人项目进一步延伸到真实协作；
- 保持博客和社交媒体输出，持续记录自己的学习过程。
找第一段实习的一个多月，是我大学以来最焦虑的一段时间。接下来开始秋招，压力大概只会更多，不会更少。我认识的很多人，无论学历高低、实习多少，也都在经历相似的焦虑。
我仍然怀念前两年相对轻松的大学生活，也知道自己很难再回到那种状态。不过，与其一直担心最终能走到哪里，不如先把下一步走好：改好简历，整理项目，继续投递，继续学习。
我对第一份工作的期待并不夸张，也希望能进入一个真正有技术交流和成长空间的团队。
时不我待，少说多做。希望运气最终会眷顾每一个没有停下来的人。