SomeBottle

1. 上岸难度极其之大，最难考的研之一，你需要保证你的总分至少有 380+，且各科过线（没记错的话，数学和 408 必须过 100 ）。这还只是初试，复试还有机试、面试，其中机试就算初试高分也能给你刷了，面试的话跨考有一定劣势。也就是说你必须要持续一年半的高强度学习，一环都不能落。工作后再回到书本上，难度更是倍增，从这个角度上可能找工作还更容易一些。


2. 如果能成功上岸，研一首先要全日制上课，而且并不是全都是水课。研一下或者研二开始找实习的话，就现在 AI 编码的发展速度，不好说到时候还有多少岗位，不过科软招牌在这里找日常实习应该还是可能的，但是如果想去好的央国企的话大概率会被卡第一学历。互联网行业，如果想去算法岗的话你需要有论文、竞赛方面的成果，而这个和卷实习又是难以兼得的，因此到最后大概率还是找开发岗。制造业，近年来好的单位也开始卡本科，如东风、比亚迪，芯片厂更不用多说。

总的来说就算考研，也不建议去冲科软，性价比太低了。

真的相当快了，体感过去了好久，今天和毕业的学长聊了一下才发现这波 AI 对互联网的冲击自开始可能才过去刚刚一年左右，也就是去年底 Claude Code 开始引爆热点的时候。
一个很直接的体验就是今年校招 hc 都大幅缩减了 😭

试着恢复注意力，可以从耐下心来看一本书或者看篇幅较长的剧集 / 电影开始。碎片时间的话也可以下个多邻国，学学其他语言的基础语法。

skills 其实就是自然语言描述的工作流程，现在模型 Agent 能力越来越稳定，可以稳定调用命令行工具后，这种自然语言描述还真的就足够了。总的来说没有什么很玄乎的东西。

确实应该还是后训练中 powershell 的相关数据少了的缘故，对模型来说其 shell 母语更多是 Unix 系的，这也就会导致写 powershell 命令时出现转义出错、不知道其对变量名大小写敏感等问题，严重的时候会造成毁灭性的数据误删
（一个 Codex 的真实案例就是 Agent 在一个脚本中用 $home 表示临时目录（因为临时目录名字里含有 home ），随后删除这个临时目录，$home 在此等同于只读的 $HOME ，powershell 不允许赋值，但不会阻止后续删除的执行，因此造成了严重的数据损失）。

Windows 上开发的话尽量还是用 Git Bash 或者 WSL 吧。

谷歌目前还好，咱这边换几个 ip 了也没事
主要是每次过一个月左右时间 ip 可能就被送中了，不换也得换

今天打开谷歌搜索看到 LOGO ，还以为我穿越了 😂
百度搜索除了查查成语外，现在感觉算是差不多废掉了