钉钉总部换logo，真相真没想到。 - Tobebetterjavaer

大家好，我是二哥呀。

钉钉全球总部的logo换了。

换成了孙悟空拿着金箍棒的图案，相信很多同学看了很不解。

到底为啥，图啥？

真实原因我信网友这一条：老板觉得飞书的logo比钉钉高，压钉钉一头，所以换成孙悟空表表决心。

我只能说，大厂之间的商战就是这么朴实无华啊。

钉钉在无招重新加入后变化很大：要用AI把钉钉重做一遍。

于是我们看到了钉钉ONE，由9个Agent组成的智能工作秘书，能自动排序工作信息、打通内外知识沉淀，再加上AI表格、AI听记等20多个新品。

星球里拿到钉钉offer的26届球友不在少数，我上一丢丢证据。

但几乎都被钉钉的网评吓怕了，觉得钉钉是个非常卷的部门，不太敢去。

能理解，新官上任三把火，老板估计也有自己的KPI。

我个人觉得，钉钉本身是一个不错的产品线，未来的发展潜力也很大。尤其是现在钉钉在做SaaS生态的重构，AI能力的加持下，钉钉未来的想象空间还是蛮大的。

暑期实习打算冲钉钉的同学我觉得完全可以试一试，这样可以一手体验一下钉钉的工作强度，二是可以借助钉钉的AI业务重构，给自己积累一些AI项目经验，秋招的时候会更有竞争力。

25年的暑期实习差不多是 3月 19日开启的。今年应该差不多，建议大家提前准备，做好简历和项目经验的梳理，争取第一时间投递。

这里给大家分享一下AI应用开发的准备策略，也是之前一位球友在星球里的提问。

复制到浏览器打开：https://t.zsxq.com/IFqYU

二哥回复

这里普及一下，AI 应用开发/AI 大模型应用开发和 AI 算法研究的区别。

AI应用开发是用AI来解决实际的问题，比如做智能客服、做知识问答（派聪明）、做文档解析。需要的是会调用大模型API、会做RAG、会做Agent、会做Prompt工程，但不需要你自己训练模型、不需要你懂很深的算法原理。

AI算法岗是研究AI的底层原理、训练自己的模型、做算法优化。需要很强的数学基础、深度学习基础、论文阅读能力。这个方向对学历和竞赛经历的要求很高。

对于大部分球友来说，走的都是 AI 算法岗。

mydb：这是个数据库项目，偏底层，主要学习数据库的原理和实现。对AI应用开发的帮助不大。

派聪明：这是个RAG项目，核心是检索增强生成。技术栈包括SpringBoot + ES + Redis + 大模型API + 向量数据库。这是最贴近AI应用开发的项目。

技术派：这是个社区项目，前后端分离，技术栈比较全面，如果未来从事 web 开发，这个项目学透了，至少能撑起 3 年以内的工程能力，里面也有基础的 AI 应用开发，主要是聊天对话这块。

pmhub：这是个项目管理系统（OA 流），属于微服务/分布式项目，对工作党比较有用，其实 2 期是打算做 AI 智能化的，后期在加强吧。

大模型训练调优课程：这是偏算法方向的，学习怎么训练模型、怎么调优、怎么做微调。对AI应用开发来说，不是必须的。

搞清楚之后，我们来看你要学习的优先级顺序。

1、如果只是为了找实习，找秋招，那么可以派聪明+mydb，派聪明和 AI 结合，mydb 是轮子，比较契合大厂面试官的诉求，因为他们大多数现在也是要求和 AI 接轨，一些做基架的面试官会比较喜欢轮子。

两者搭配，属于省时省力省心的一个组合。

2、派聪明+技术派，打通所有 web 后端开发的技术栈，也就是说如果你碰到的是喜欢业务的面试官，这俩项目不仅能保证你的工程能力，也能够吸引面试官的注意力。

3、PmHub+派聪明，微服务+AI 热度，能力会更上一层楼，社招党最好，校招党的球友也有做的，但微服务需要比较好的开发基础。

4、剩下其他的组合，当然也是完全可以的，各有优势。

这里强调一下，学习派聪明你要做的：

把派聪明跑起来，部署，能在本地访问
深入理解核心模块的实现（ES检索、向量相似度、Prompt设计、LLM调用）
自己改一些东西（换向量数据库、优化Prompt、加新功能）
理解RAG的整体流程

如果你想了解一些大模型的底层原理、想知道怎么做微调，可以学大模型训练调优课程。

我的建议是，这个阶段你可以学一下大模型的基础知识。了解一下Transformer的原理、了解一下常见的大模型（GPT、LLaMA、Qwen）、了解一下Prompt工程、了解一下RAG和Agent的原理。目的是让你对AI有一个全面的认识，假如面试官问了，能够答得上来。

我建议你的重点放在应用这边，也就是Java业务、RAG、LLM调用。

总结一下就是，你的学习重点应该是：

50%的时间：后端开发能力（Java、框架、数据库、中间件）
40%的时间：AI应用能力（RAG、Prompt、Agent、LLM调用）
10%的时间：AI基础知识（了解原理，但不深入）

Java 涉及到的内容是必须要准备的，包括：

Java基础：集合框架、多线程、IO、反射、注解
JVM：内存模型、垃圾回收、类加载
并发：synchronized、volatile、Lock、线程池、CAS
Spring：IOC、AOP、事务、SpringBoot 自动装配原理
MySQL：索引、事务、锁机制
Redis：数据结构、持久化、缓存问题（穿透、击穿、雪崩）
计算机网络：TCP/IP、HTTP/HTTPS
操作系统：进程线程、死锁、内存管理

这些都是高频考点，必须掌握。可以看面渣逆袭，把标星的内容重点掌握。

算法的话，如果你去面大厂，或者考察算法有笔试、手撕的公司，肯定也是必考的。要准备的内容：

LeetCode的Hot100至少刷两遍，能快速做出来
常见的题型和解法要掌握：双指针、滑动窗口、动态规划、DFS/BFS、二分查找、贪心
中等题要能做出大部分，困难题可以先放一放

然后是 AI 相关，这是 AI 应用开发岗的特色，面试官也一定会问。要准备的内容包括：

RAG的原理和流程：检索→增强→生成
向量数据库的概念和使用（派聪明的 ElasticSearch）
文件解析（MinIO、Apache Tika、Kafka 异步、Redis 缓存）
Embedding的概念和作用
权限相关（Spring Security + JWT）
Prompt工程：怎么设计Prompt让模型输出更好
LLM调用：怎么调用API、怎么处理token、怎么控制成本
Agent的概念：让模型能调用工具、能做多步推理（下个项目校招派会涉及）
MCP 的概念（下个项目校招派会涉及）
LangChain/LangChain4j的基本使用（校招派会涉及）

最后是 AI 基础知识（可能会问）要了解的内容：

Transformer的基本原理（不需要懂数学公式，知道Self-Attention、Multi-Head Attention、Encoder-Decoder是什么就行）
常见的大模型：GPT系列、LLaMA系列、Qwen系列，知道它们的特点和区别
大模型的训练过程：预训练、微调、RLHF，知道大概是什么意思就行
常见的AI应用场景：对话、翻译、总结、问答、代码生成

至于 Go 的开发经验，后面我们也会出一个 Go 版的派聪明。到时候，也可以和你的 AI 语音聊天实习经历结合起来。

按照这个路线走下来，明年暑假找AI应用开发的实习应该是板上钉钉的事情。冲冲冲。

写到这里，我停下来想了想。

求职到底应该是什么模样？

不该是盲目海投，到处碰壁。不该是焦虑失眠，夜夜难眠。

求职应该是清晰的规划，扎实的准备，水到渠成的结果。应该是让我们在合适的年纪，做合适的事情，去合适的公司，遇到合适的人。

比如在钉钉的工位上写写代码，和同事讨论讨论技术。比如在西溪的CBD散散步，看看日落。比如收到offer的那一刻，和家人分享这份喜悦。

机会总是留给有准备的人，但更重要的是，留给那些敢于抓住机会的人。

暑期实习就是这样一个机会，抓住了，你就比别人领先了一个身位。

趁年前这段时间给自己规划好。