以下是很多人走过的弯路，也是我们做这门课的原因
你是不是也有过这种感觉
困境 01
投了上百份简历，大半已读不回，少数约面也卡在初面。
B 站知乎刷了不少，Transformer、注意力机制、各种面经，自我感觉掌握了七八成。真打开 JD 一看（尤其字节阿里这种头部的），对不上。于是反复改简历、海投、撞概率，越投越没底。
问题不在你学得不够。简历筛选的逻辑其实很直接：论文证明专业扎实，实习证明能干活——这两样是面试官在几百份简历里最快、最不容易出错的筛选依据。两样都有、学历又够，进中大厂、头部公司的算法岗就顺很多；两样都没有，哪怕你其实不差，也很难不给人"学习能力和专业能力存疑"的印象。而埋头啃原理、刷面经，既攒不出论文、也换不来实习——你补的是知识，简历筛的是证据。
真实学生原话
"就业和这些理论知识有什么关系吗？就业需要的技术到底在哪里学？"
困境 02
专业课一堆，哪个该深耕没人告诉你。
理工科专业课本来就多、难，学完也不知道和就业什么关系。大模型细分方向更多：算法（预训练 / 对齐 / 多模态）、应用开发（Agent / RAG）、Infra（训练 / 推理优化）……没人告诉你这几条路岗位要求差在哪、你的基础适合哪一条、选错了代价多大。
于是很多人把方向问题往后推——"先考上研再说"。结果上岸了发现还是同一个循环，下岸了，才发现手里除了一张学位证什么都没攒下，甚至不知道自己到底会什么、未来该干什么。大学 CS 教育的激励在论文和课题，教材滞后五到十年是机制决定的——学校教完课就结束了——可简历怎么过筛、实习怎么拿、岗位真正要的技能怎么补，这"最后一公里"没人教你。
真实学生原话
"曾经以为考上研就万事大吉，实际上考不考得上，都是痛苦的轮回。"
困境 03
做了项目，面试还是挂。
好不容易跑通了一个 RAG 或者 SFT 项目，写进简历，约到面试。面试官问：为什么选这个召回方式？召回效果怎么评估的？有没有考虑过别的方案？
突然答不上来。不是不会，是当时只是套壳了一个开源项目、跑了一遍作者的 repo，或者照着论文简单复现了一下——每一步为什么这么设计、换种方案行不行，从头到尾就没想过。招人方卡的从来不是你做没做过，是你做的时候有没有想过。而这些问题，自学的时候没人问你——没被问过，自然就不会去想。
举个例子。简历上写"做了 RAG 项目"，面试官没什么感觉（这种描述一年看几百份）。能讲出"试了 BM25+Dense 混合召回、加了 Cross-Encoder 重排、MRR 从 0.45 提到 0.68"，算合格——但还不出众。真正让面试官眼前一亮的，是能结合业务谈召回策略：这个场景的 query 长什么样、数据是什么结构、所以召回该怎么设计、代价怎么取舍。技术名词谁都能背，结合业务的判断才是段位。
真实学生原话
"有面试但准备不充分，对项目不熟、技术没吃透，细节答不出来，一面二面挂掉。"
困境 04
越学越焦虑，搞不清自己卡在哪。
环境装不好、代码报错查不到原因。问 AI？AI 能给你八成的方向，但剩下那两成——真实工程里的 bug、性能、数据问题——它给不了，而恰恰是这两成，是岗位筛人的地方。一次次卡住，一次次没正反馈。焦虑不是你不够努力，是没有真实的工程问题练手、没有企业级项目打底、也没有一线在职的人帮你纠偏的自学，本来就是一条低效的路。
方向和方法一旦走偏，直接影响的就是实习、校招和秋招的结果。
最难受的不是卡住，是不知道自己到底卡在哪——原理不深？工程不行？项目选错了？还是讲不清楚？没人告诉你。
真实学生原话
"一次又一次拿不到正反馈，越来越不自信、自我否定、没积极性。没有成就感，很难坚持。"
那，为什么不能自己学？
能。但"找到工作"和"进中大厂、头部公司算法岗"，是两条路
计算机 / 理工科专业，本硕文凭加自学找份工作，完全做得到。但也越来越多人没找到预期、高不成低不就，临近毕业 0 实习、0 offer。
我们聊的是另一件事："找到一份工作"和"进中大厂、头部公司的算法岗"，是两条难度、要求、回报率完全不同的路。你心里清楚自己要的是哪一条，我们再往下聊。
如果你要的是第二条，算法是最难自学走通的方向之一
不是你不够聪明。是它对背景和专业深度的要求，在计算机里数一数二，几乎每个自学的人都会卡：
① 免费资料海量，但杂、乱、参差，你拼不成一个完整体系
② 先学什么、重点在哪、怎么排顺序——没人结合你的情况持续指、持续调
③ 踩坑没人接、卡住没人答，时间成本翻倍，还得赌自己不放弃且一直自律
④ 学的东西和岗位 JD 对不上，工程经验始终是个空格——简历投递没回复、面试跨掉
⑤ 方向那么多，哪条匹配你的基础和趋势，你没有判断依据
自学真正的代价，从来不是"学不会"那三个字，而是
一个人摸索，没人帮你看方向对不对、路是不是最短的那条；踩坑时没人拉，正反馈迟迟不来，劲一点点磨没。加上大模型这两年更新太快，旧的还没消化、新的又压上来，又得花时间整理、研究、追；与此同时还得找实习、发论文、扛秋招简历和面试。一个人扛这么多，不是不努力，是注意力和体力本来就不够分。
这些看不见的成本——走偏的方向、攒不出的工程深度、一段没拿到的实习——加起来，远不是"省下的资料钱"能比的。一段中大厂的算法实习经历、一个秋招 offer，应届总包保守都在 30W 以上；而自学多走和耽误的那 1-2 年弯路、和能有机会拿到的实习经历，才是贵和真值钱的东西。
最关键的判断
这些坑绕来绕去是同一件事——专业深度不够，你碰过的真实工程 / 岗位问题太少。大厂在职工程师每天解的，是多轮对话记忆管理、多 agent routing、召回不全怎么优化、长上下文怎么不掉精度、推理峰值怎么压、RL 训练时模型钻奖励空子怎么抓出来——不是 benchmark 上跑个 sota。这些问题，自学环境和普通培训几乎见不到。没在真实工程 / 岗位上反复磨过，就练不出那份解决它们的判断力。而筛简历，看的从来不是你做过什么，是你做到了多深。
