关于软件工程，我想说的那些事（实习篇·Java后端×Agent开发版）

1. 自我介绍与建博客：从"Java CRUD Boy"到"Agent Builder"

大家好，我是爱弹琴的风。在实习的三个月里，我确实在往"既懂工程落地、又懂模型原理的AI应用工程师"这个方向狂奔。

为什么要写这篇博客？因为实习三个月了，踩过的坑、调过的Prompt、被Agent跑偏后半夜排查日志的次数，如果不记录下来，过两年大概全还给搜索引擎了。正如前辈们反复强调的——输出倒逼输入，写下来才说明你真正想通了。

关于我的闪光点，实习之后有了新认识：我自认为是一个"能把AI能力封装成稳定服务的人"。相比起在论文里跑通一个demo，我更擅长把一个模糊的Agent需求（"帮我做个能自动回复客户的机器人"）拆解成：意图识别→工具调用→RAG检索→回复生成→人工兜底，然后一步步落地上线。这份能力不是天赋，是实习前三个月每天被测试同学追着问"你这个Agent怎么又幻觉了"逼出来的。当然，代价是早期Prompt写得像一坨屎，被mentor review时满屏红色建议，算是有得有失。

2. 现状、经验和计划
   （1）专业选择与技能评估

为什么选这个方向？上次说是"看着分数选了最热门的"，现在实习三个月后，我可以认真地说：选对了，而且比想象中更适合我。每天写Java代码搭基础设施，同时调模型、设计Agent工作流，看到自己写的AI功能被真实用户用到，这种"工程+算法"的双重即时反馈，是纯后端或纯算法都给不了的。

a) 为何要认真实习？

如果说大学课堂是"师傅领进门"，那实习就是"修行在个人"的真实战场。课堂给你的是标准化的知识，而实习给你的是非标准化的真实问题——需求模糊、文档缺失、线上Agent半夜幻觉炸锅，这些才是让你真正成长的养料。

b) 与mentor的关系

我体验过"放养式"的冷漠（大一那会儿），也体验过"手把手教"的温暖（现在的mentor）。理想的mentor关系应该是：他给你方向，你给他结果，中间的过程你自己趟。遇到卡壳时，先自己查文档、写Demo、画流程图，带着方案去问，而不是带着问题去等答案。

c) 引用与抄袭（职场版）

在学校，抄袭是抄同学的作业；在公司，抄袭是直接复制Stack Overflow的代码不改就用，或者直接把别人的Prompt拿过来不验证就上线。区别在于：职场中"引用"意味着你理解这段代码/这个Prompt在做什么、为什么这么做、以及它对系统的副作用是什么。不懂就用的后果不是挂科，是线上事故——尤其是Agent幻觉导致的事故，用户投诉可比挂科严重多了。

（3）未来规划与选择

实习结束后，我更倾向于继续深耕 Java后端 × AI应用​ 方向，进入一线互联网企业或AI独角兽。

本学期规划：

实习期间：深入理解公司AI技术栈，争取独立负责一个Agent模块从设计到上线
实习结束后：补强分布式系统和LLM推理优化基础，为秋招做准备
长期目标：3-5年内成长为能独立负责AI平台子系统的中级工程师
（4）实习计划与WOOP方法

Wish (愿望)：​ 实习结束时，我负责的Agent模块能稳定上线运行，并且我能在团队技术分享会上做一次有质量的分享——主题暂定"从零搭建生产级RAG系统踩坑记"。

Outcome (结果)：​ 我能自豪地在简历上写"独立负责XX Agent模块的设计与开发，日均调用量XX，幻觉率低于X%，可用性99.9%+"，在面试时能和面试官深入讨论技术选型和踩坑经验。

Obstacles (障碍)：​ 拖延症 + 畏难情绪。具体表现为：遇到复杂的Agent编排逻辑时，先刷半小时Hacker News，告诉自己"先看看别人怎么做的"，结果一刷就是两小时。

Plan (计划)：​ If 我在写代码时感到烦躁想刷网页，Then 我就立刻站起来，去接杯水，回来后先写下当前任务的最小可交付步骤（哪怕只是"先定义Agent的输入输出接口，再写空实现"），然后只做这一步。

关于实习投入：

目前的代码量：实习三个月约写了10000行（Java后端8000行 + Python/Agent相关2000行，含测试代码）
计划实习结束时新增6000行高质量代码（不含复制粘贴的样板代码）
每周投入：全职实习，约50-60小时（含学习新技术的时间）

我选择 D. 比以前课要多很多，直到达到目标为止。因为实习不是上课，没有人会因为你"出勤了"就给你及格——你的代码就是你的成绩单。

3. 提有质量的问题：读《构建之法》（实习视角重读）

重新翻开《构建之法》，带着实习三个月的经验再读，很多以前觉得"正确的废话"突然有了切肤之感。

问题一（关于第2章：个人技术和流程）

原文说单元测试要"快"且覆盖所有代码路径。实习中我发现：为覆盖一个Agent的复杂边缘case写Mock代码，确实会让测试变慢。我们项目里有一个RAG模块，单元测试跑了5分钟，CI流水线直接超时。请问在"测试覆盖率"和"执行速度"之间，工业界通常的平衡点在哪里？Agent类应用是否应该采用不同的测试策略（比如更多依赖集成测试而非单元测试）？

问题二（关于第5章：团队和流程）

书中推崇敏捷。但实习中我看到的是：AI需求确实在变（今天要支持多模态，明天要降低幻觉率），但"响应变化"的代价是技术债越堆越高。每次PM说"这个Agent要加个新能力"，开发说"可以，但要重构Prompt管理模块"，PM说"没时间"。如何在"快速响应AI需求"和"技术可持续性"之间找到平衡？是不是应该有一个"技术债偿还日"的制度？

问题三（关于第8章：需求分析）

"深挖需求"——实习中我最大的困惑是：用户（产品经理）自己也不知道Agent要什么。一个需求从提出到评审到开发，中间改了五次，每次都说"这才是用户真正想要的"。作为开发，我们是应该无条件执行，还是应该在需求评审阶段就敢于说"不"？说"不"的底线在哪里？尤其是当PM要求"Agent要100%准确"时，这个需求本身是不是就不合理？

问题四（关于第16章：创新）

AI工具（Copilot、Cursor）已经极大降低了写代码的门槛。实习中我发现自己30%的Java代码是AI生成的。同时，Agent技术本身也在降低AI应用的开发门槛。这是否意味着未来"AI应用创新"会比"技术实现"更重要？我们作为软件工程专业的学生，核心竞争力会不会从"写代码"转向"定义问题+设计Agent工作流+Review AI生成的代码"？

问题五（关于第4章：结对编程）

实习中我体验了"异步Code Review"而非"结对编程"。说实话，我觉得Code Review比结对编程更适合我们团队——因为大家专注时间不同，结对时一个人写一个人看，看的人容易走神，写的人有压力。而异步Review给了双方思考的空间。结对编程是不是只适合某些特定场景（如新人入职培训），而不适合日常开发？

4. 前车之鉴：读前辈文章有感（实习版·Java后端×Agent视角）

重读了前辈们的文章，这次带着实习的视角，感受完全不同。

关于《辜新星：时刻调整方向 找到人生的蓝海》[A]

原文链接：https://book.douban.com/subject/4006425/discussion/22803733/

辜前辈的故事我大二时就读过，当时印象最深的是"骑单车"的比喻——车头直是因为在时刻调整方向。实习三个月后，我对这个比喻有了新理解：不是方向定了就不改，而是在前进中不断校准。我的实习经历也是这样——入职时以为自己只做Java后端，结果第一个月被拉去写Agent的Prompt工程，第二个月又调回后端做向量数据库接入，第三个月开始接触模型部署和推理优化。每次调整都不是"走弯路"，而是在找到自己真正擅长的位置——后端工程能力+AI应用理解的交叉点。

他提到的"四象限时间管理法"我现在每天都在用。实习中最大的陷阱是：花大量时间在C类事情上（回复非紧急消息、参加可有可无的会议），而把B类事情（深度编码、Agent架构设计）无限期推迟。这学期我给自己定规矩：上午10点前不查消息，先吃掉那只最丑的青蛙。

关于《偏科生自学摸索的道路》[D]

原文链接：https://www.cnblogs.com/xiaozhi_5638/p/4485805.html

这位前辈的经历让我特别有共鸣。同样是偏科，同样是靠自学。他说的"实践的重要性"在实习中被验证得淋漓尽致——公司不关心你课本考了多少分，只关心你能不能把feature做出来。

他提到大二时读《深入浅出MFC》硬啃第六章之后的内容，我当时也有类似经历。实习第一个月看公司核心项目的Agent编排框架源码，前两周基本看不懂，硬着头皮看，第三周突然"通了"——这种感觉和当年啃技术书是一样的，只不过现在面对的是真实的生产代码，压力更大，但收获也更大。

关于《速成的培训班和打基础的大学教育有区别么》[E]

原文链接：https://www.cnblogs.com/geniusalex/p/4928713.html

这篇文章解答了我实习中的另一个困惑。组里有一个同事是培训班出身，写业务代码很快，但遇到Agent性能问题就抓瞎。而我因为学过操作系统和计算机网络，能从系统层面分析原因。这让我确信：大学教的是"道"，培训班教的是"术"。​ 短期看"术"有用，长期看"道"决定你能走多远。尤其是做AI应用，不懂系统原理的人，永远只能停留在"调API"的层面。

5. 实习三个月的几点感悟
   代码是写给人看的，其次才是给机器执行的。​ 实习前觉得这是鸡汤，被review了三次之后信了。Agent的Prompt也是——写得清晰比写得"聪明"重要。
   Debug能力比写代码能力更重要。​ 能写出能跑的代码不难，能快速定位为什么"不跑"才是本事。Agent的Debug更难——是Prompt的问题？是检索的问题？还是模型本身的问题？这需要系统性的排查能力。
   沟通成本远超你的想象。​ 一个模糊的需求理解偏差，可能导致三天白干。所以现在我的原则是：不确定就问，问完再动手。尤其是AI需求，"用户要什么"和"技术能做什么"之间的gap，需要反复对齐。
   技术债是真的会"利滚利"的。​ 实习第一个月为了赶进度写的"临时Prompt"，第三个月成了所有人的噩梦——幻觉率飙升，用户投诉。现在我的原则是：没有真正的"临时方案"，只有"你愿不愿意以后花三倍时间还债"。
   保持学习，但不要为了学习而学习。​ 实习中遇到什么不会的就学什么，这种"问题导向"的学习效率远高于"系统学习"。当然，系统学习也不能丢，它是你解决新问题的底层弹药库。尤其是AI领域，新技术层出不穷，没有扎实的基础，很容易被新框架牵着鼻子走。
   （新增）AI不是魔法，是工程。​ 实习前觉得Agent很神秘，实习后发现：Agent = Prompt + 工具调用 + 状态管理 + 错误处理。本质上和写一个分布式系统没区别——都是把复杂问题拆成简单模块，然后让它们协同工作。
   后记

写这篇随笔花了近四个小时，从实习第一天写到今天，中间几次停下来想：我真的有资格写这些吗？我才实习三个月，懂的还很少。

但转念一想，记录本身就是意义。等三年后再回看这篇，也许会觉得"当时好幼稚"，但那恰恰说明我成长了。

希望能和各位共勉，在软件工程的路上，骑着单车，时刻调整方向，快乐向前。

爱弹琴的风

2026年9月7日

于宿舍，窗外下着雨