AI面試指南：AI工具總結(jié)評測，助力求職季

摘要： 在競爭激烈的AI領(lǐng)域秋招季，準備充分并借助高效工具是提升面試通過率的關(guān)鍵。本文主要介紹一些針對秋招的AI面試工具和學習資源，分為簡歷優(yōu)化、面試助手、手撕代碼練習三個方向，這些工具不僅能幫助求職者優(yōu)化簡歷、豐富面試知識，還能提高編程技能，為秋招做好充分準備，幫助求職者提高面試準備的效率和成功率。

🎉面試首選：

👨?💻作者簡介： CSDN、阿里云人工智能領(lǐng)域博客專家，新星計劃計算機視覺導(dǎo)師，百度飛槳PPDE，專注大數(shù)據(jù)與AI知識分享。

博主專欄系列： 深度學習、計算機視覺、機器學習、大模型、NLP、多模態(tài)、AIGC、大數(shù)據(jù)開發(fā)、數(shù)據(jù)分析等

AI專欄：最全AI領(lǐng)域?qū)趤砝?#xff0c;《深入淺出AI》重磅更新！

本次分享將從知識庫總結(jié)、簡歷優(yōu)化平臺、面試AI助手、手撕代碼平臺介紹，下面正式開始：

一、知識庫總結(jié)

1.包閱AI：

官網(wǎng) 【包閱AI即時提練總結(jié)，高效獲取答案 】

包閱AI提供免費AI讀論文/報告/合同，主要針對文檔內(nèi)容和AI對話結(jié)論，均可生成筆記。個人感受使用下來比較方便，可幫助大家快速積累相關(guān)技術(shù)的論文綜述及理論知識，有助于面試前期搭建自己的知識庫。

2.飛書

本人常用筆記軟件之一，最主要功能齊全，且可用于共享給別人日常筆記 ，同時 多功能表格可以幫助大家記錄秋招求職進度，非常方便，個人感覺非常好用！以下為自己秋招時期記錄的表格，大家可以按需取用！

3.印象筆記

印象筆記作為用的很久的筆記軟件，其中AI幫我讀功能個人感覺比較好用，加上自帶的網(wǎng)頁簡藏功能，可以提升看到好的資料收藏后的閱讀效率，避免很多人收藏資料即吃灰~

二、簡歷優(yōu)化平臺

1. 文心智能體平臺

主頁：https://agents.baidu.com/center

零代碼模式可以給定扮演角色，構(gòu)建屬于你自己的求職助手，比如簡歷助手、簡歷優(yōu)化、簡歷模版等直接進行對話，幫忙寫簡歷和優(yōu)化內(nèi)容。

2. Boss（內(nèi)容潤色）

Boss簡歷：https://www.zhipin.com/web/geek/resume

除內(nèi)推及公司官網(wǎng)外，現(xiàn)在Boss應(yīng)該是互聯(lián)網(wǎng)大眾的首選投簡歷平臺，其在線填寫簡歷過程中有潤色功能，可以幫助小伙伴豐富簡歷內(nèi)容，比如專業(yè)名詞的使用、減少口語化描述（實在沒什么寫的內(nèi)容還可以幫忙湊字數(shù)~）。同時，注意項目介紹要結(jié)合具體數(shù)字指標，體驗下列使用不錯，但每天有免費使用次數(shù)。

3. ?？途W(wǎng)（簡歷點評）

之前本人在找工作階段無意間發(fā)現(xiàn)?？途W(wǎng)的簡歷提供點評功能，會針對一些簡歷存在問題指出改進建議，可以直接采納，還可以針對你的簡歷列出面試官可能問的面試問題，可用自我檢查，方便構(gòu)建知識庫，增加面試通過率，比較方便，不過目前應(yīng)該是收費。

以下為自己簡歷的示例 ：

整體點評;

該簡歷顯示出求職者在教育背景方面有較好的學歷和專業(yè)背景。在校期間，求職者擔任了百度飛槳領(lǐng)航團團長的職位，負責組織各類技術(shù)沙龍和開源講座活動，并參與各類AI競賽。此外，求職者還獲得了一等獎學金、單項獎學金和省政府獎學金等榮譽。在工作經(jīng)歷方面，求職者曾在百度在線網(wǎng)絡(luò)技術(shù)有限公司擔任算法職位，負責調(diào)研和優(yōu)化多模態(tài)經(jīng)典模型在搜索領(lǐng)域的應(yīng)用，以及學習主流大模型的原理并進行微調(diào)。求職者還在北京世紀好未來教育科技有限公司和萬達信息股份有限公司有過工作經(jīng)歷，參與了圖像識別、大模型和多模態(tài)模型的研發(fā)工作。在項目經(jīng)歷方面，求職者參與了大模型項目和少數(shù)民族語言識別項目等多個計算機視覺和NLP綜合項目。此外，求職者具備豐富的職業(yè)技能和獲獎經(jīng)歷，擁有博客專家和開源特營導(dǎo)師等身份?？傮w而言，求職者在學術(shù)背景、工作經(jīng)歷和項目經(jīng)歷方面都表現(xiàn)出較強的能力和經(jīng)驗。

其他模塊:

所有的模板你都可以放心用，按你的經(jīng)驗，簡歷要盡量保證在一頁以內(nèi)。簡歷并不是生平介紹，不需要把所有做過的事情都列舉出來，簡歷是一個面向未來老板的廣告，目標是幫你拿到合適工作的面試，老板他們只關(guān)心你能給她的工作帶來什么好處，你具備的技能能幫她完成什么任務(wù)，你曾經(jīng)的經(jīng)驗?zāi)芙o公司帶來什么幫助，他們只對這些內(nèi)容感興趣。建議你精簡簡歷內(nèi)容，降低HR的閱讀成本。

可能的面試題：

1. 請介紹一下你在XX大學的學習經(jīng)歷。
2. 你在百度在線網(wǎng)絡(luò)技術(shù)有限公司的工作經(jīng)歷中，你負責了哪些具體的算法工作？可以分享一下你在圖像檢索和模型優(yōu)化方面的具體工作內(nèi)容嗎？
3. 在北京世紀好未來教育科技有限公司的工作中，你負責了哪些具體的任務(wù)和項目？可以分享一下你在繪本圖像識別和大模型低代碼教育助手方面的工作經(jīng)驗嗎？
4. 你參與過的大模型項目中，你負責了哪些具體的工作？可以分享一下你在教育知識助手和少數(shù)民族語言識別項目中的具體工作內(nèi)容和技術(shù)實現(xiàn)嗎？
5. 在計算機視覺及NLP綜合項目中，你參與了哪些具體的項目？可以分享一下你在醫(yī)療單據(jù)識別、驗證碼識別和手寫識別方面的工作經(jīng)驗和成果嗎？
6. 你在智慧交通預(yù)測系統(tǒng)項目中擔任負責人，可以詳細介紹一下你在交通流量預(yù)測、車牌檢測和識別以及可視化階段的具體工作內(nèi)容和成果嗎？
7. 你在職業(yè)技能方面有哪些專長？可以詳細介紹一下你在計算機視覺和NLP算法方面的技術(shù)能力和經(jīng)驗嗎？
8. 你獲得過一些獎項和獎勵，可以分享一下你獲得這些獎項的原因和過程嗎？
9. 你在校期間和工作中遇到的最大的挑戰(zhàn)是什么？你是如何應(yīng)對和解決這些挑戰(zhàn)的？
10. 你在項目中遇到過的最困難的問題是什么？你是如何解決這個問題的？
11. 你對未來的職業(yè)規(guī)劃和發(fā)展方向是什么？你有什么樣的目標和計劃？
12. 你為什么對AI領(lǐng)域感興趣？你對未來AI技術(shù)的發(fā)展有什么樣的看法和期待？

三、面試AI助手

1.文心快碼

主頁：https://comate.baidu.com/zh](https://comate.baidu.com/zh

文心快碼（Baidu Comate）是一款又好又快的智能代碼助手。基于文心大模型，結(jié)合百度積累多年的編程現(xiàn)場大數(shù)據(jù)和外部優(yōu)秀開源數(shù)據(jù)，新一代編碼輔助工具文心快碼擁有代碼智能、場景豐富、創(chuàng)造價值、廣泛應(yīng)用等多重產(chǎn)品優(yōu)勢，可實現(xiàn)“幫你想、幫你寫、幫你改”的場景應(yīng)用形態(tài)。提升編碼效率，釋放“十倍“軟件生產(chǎn)力。

在實際使用中，深刻體驗到“Baidu Comate智能編碼助手”的便利，特別是在代碼質(zhì)量的提升方面展現(xiàn)了其獨特優(yōu)勢，自動代碼注釋、智能問題解決建議，以及對話式AI視圖的應(yīng)用，不僅簡化了日常開發(fā)中的繁瑣任務(wù)，還顯著提高了代碼的可讀性和可維護性。這些功能不僅僅在我忙碌的開發(fā)過程中節(jié)省了大量時間，還讓我的開發(fā)工作更加高效和愉悅。

界面簡潔：

功能較全，涉及代碼生成、代碼注釋與注釋生成大媽、代碼單測、代碼優(yōu)化等。支持多語言，多IDE。

功能特點

實時續(xù)寫：在編寫代碼過程中，Comate能夠?qū)崟r智能生成完整代碼塊。
注釋生成代碼：開發(fā)者只需在注釋中描述所需功能，即可生成完整函數(shù)。
對話式生成代碼：通過交互式的自然語言對話，Comate可直接生成所需代碼。
生成單元測試：它能為單個函數(shù)生成單元測試，也支持批量生成。
代碼優(yōu)化：Comate能優(yōu)化不良代碼，例如將過長函數(shù)拆分為功能清晰、易理解的合理大小的函數(shù)。
代碼解釋：支持解釋完整函數(shù)代碼或選中的代碼段。
技術(shù)問答：開發(fā)者可在對話框中輸入研發(fā)中遇到的問題，并迅速獲得解答。

安裝參考：

Vscode安裝步驟：https://comate.baidu.com/zh/download

使用示例：

題目：pytorch手撕transformer,給出完整代碼

完整代碼展示：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np# Multi-Head Attention
class MultiHeadAttention(nn.Module):def __init__(self, embed_size, heads):super(MultiHeadAttention, self).__init__()self.embed_size = embed_sizeself.heads = headsself.head_dim = embed_size // headsassert self.head_dim * heads == embed_size, "Embedding size must be divisible by number of heads."self.values = nn.Linear(self.head_dim, self.head_dim, bias=False)self.keys = nn.Linear(self.head_dim, self.head_dim, bias=False)self.queries = nn.Linear(self.head_dim, self.head_dim, bias=False)self.fc_out = nn.Linear(heads * self.head_dim, embed_size)def forward(self, values, keys, query):N = query.shape[0]value_len, key_len, query_len = values.shape[1], keys.shape[1], query.shape[1]# Split the embedding into self.heads different piecesvalues = values.reshape(N, value_len, self.heads, self.head_dim)keys = keys.reshape(N, key_len, self.heads, self.head_dim)queries = query.reshape(N, query_len, self.heads, self.head_dim)values = self.values(values)keys = self.keys(keys)queries = self.queries(queries)# Attention mechanismenergy = torch.einsum("nqhd,nkhd->nhqk", [queries, keys])attention = torch.softmax(energy / (self.embed_size ** (1 / 2)), dim=3)out = torch.einsum("nhql,nlhd->nqhd", [attention, values]).reshape(N, query_len, self.heads * self.head_dim)return self.fc_out(out)# Transformer Block
class TransformerBlock(nn.Module):def __init__(self, embed_size, heads, dropout, forward_expansion):super(TransformerBlock, self).__init__()self.attention = MultiHeadAttention(embed_size, heads)self.norm1 = nn.LayerNorm(embed_size)self.norm2 = nn.LayerNorm(embed_size)self.feed_forward = nn.Sequential(nn.Linear(embed_size, forward_expansion * embed_size),nn.ReLU(),nn.Linear(forward_expansion * embed_size, embed_size))self.dropout = nn.Dropout(dropout)def forward(self, value, key, query):attention = self.attention(value, key, query)# Add skip connection, followed by LayerNormx = self.dropout(self.norm1(attention + query))forward = self.feed_forward(x)# Add skip connection, followed by LayerNormout = self.dropout(self.norm2(forward + x))return out# Simplified Transformer Model
class Transformer(nn.Module):def __init__(self, source_vocab_size, target_vocab_size, embed_size, num_layers, heads, device, forward_expansion, dropout):super(Transformer, self).__init__()self.embed_size = embed_sizeself.device = deviceself.word_embedding = nn.Embedding(source_vocab_size, embed_size)self.position_embedding = nn.Embedding(1000, embed_size)self.layers = nn.ModuleList([TransformerBlock(embed_size,heads,dropout=dropout,forward_expansion=forward_expansion)for _ in range(num_layers)])self.fc_out = nn.Linear(embed_size, target_vocab_size)def forward(self, x, mask):out = self.word_embedding(x) + self.position_embedding(torch.arange(0, x.shape[1]).to(self.device))# In the Encoder the Query, Key, Value are all the same.for layer in self.layers:out = layer(out, out, out)out = self.fc_out(out)return out# Example usage
# Note: This is a very simplified example and doesn't include training loop, data loading, etc.
embed_size = 256
num_layers = 4
heads = 8
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
forward_expansion = 4
dropout = 0.1model = Transformer(source_vocab_size=10000, target_vocab_size=10000, embed_size=embed_size, num_layers=num_layers, heads=heads, device=device, forward_expansion=forward_expansion, dropout=dropout)
model.to(device)# Dummy input
x = torch.randint(0, 10000, (64, 35)).to(device)  # Batch size 64, sequence length 35
mask = None  # In this simplified example, we don't use maskingoutput = model(x, mask)
print(output.shape)  # Expected shape: [64, 35, 10000]

小Tips： 在每條輸出后會根據(jù)內(nèi)容推薦相關(guān)問題，引導(dǎo)繼續(xù)回答，非常方便小伙伴們面試前進行相關(guān)問題自測，同時推薦將回答整理成自己的知識庫，方便回顧知識點。

總結(jié)：

文心快碼（Baidu Comate）是一款又好又快的智能代碼助手，不僅可以幫助開發(fā)者實時推薦和生成代碼，還能生成代碼注釋、查找代碼缺陷、給出優(yōu)化方案，并深度解讀代碼庫。不僅面向打工人工作上可以隨時提問，還可以幫助學校的學生們處理科研問題，節(jié)省時間提升效率！

ps：搭配文小言更好用哦！

2.豆包MarsCode

豆包MarsCode：官網(wǎng)

活動鏈接：https://www.marscode.cn/events/s/ikt89TFc/

類似文心快碼，可以在各種IDE安裝，支持多功能及對話模式。

3.GPT

GPT毫無疑問，扔給它問題，可以直接讓它生成回答，非常方便，但重點propmt如何編寫是關(guān)鍵。比如在面試大模型崗位，你的propmt可以讓它扮演一個大模型領(lǐng)域?qū)＜?#xff0c;然后給他相關(guān)問題，讓它給出詳細答案。

這里推薦兩個prompt優(yōu)化網(wǎng)站：

1.promptingguide，學習prompt工程必備教程

2.千帆prompt工程 ，包括propmt模版及優(yōu)化功能

四、手撕代碼平臺

1.Leetcode

毫無疑問，刷題首選還是Leetcode，訪問官網(wǎng)：https://leetcode.cn/

時間緊推薦先刷leetcode hot100，有時間按題目類型刷。

2.豆包MarsCode

目前正值秋招，最近在掘進看到字節(jié)的 豆包 MarsCode 最近特推出代碼練習能力，將全功能的代碼編輯器和 AI 能力相結(jié)合，希望幫助開發(fā)者更快速地在求職季進行算法題目練習，100 道大廠真題，助力高效掌握算法知識，感覺很適合正在找工作的小伙伴們。

ps：我秋招的時候怎么沒有這東西呢！

豆包MarsCode：刷題地址

題目展示：

跟leetcode差不多，區(qū)分簡單中等困難，題目有的比較新

使用感受

1.界面設(shè)計比較適合刷題，可以對話引導(dǎo)做題很不錯，想相當于有指導(dǎo)老師指導(dǎo)做題。

2.內(nèi)置代碼注釋，回答也很精準，非常好用，大大提高面試經(jīng)驗，助力小伙伴春秋招！

五、總結(jié)：

以上為本次分享給大家的助力求職的AI工具推薦，旨在幫助求職者更好地準備面試，提升面試表現(xiàn)。涵蓋知識學習、簡歷優(yōu)化、面試技巧等多個方面，為AI求職者提供全方位的幫助，最后希望大家秋招順利！