Transcription
让我非常清楚地告诉你。在 2026 年获得软件工程实习机会将异常艰难。申请数量已呈爆炸式增长。公司收到的申请数量高达 20,000 份，而职位却寥寥无几。一位 Spotify 的工程经理在 15 小时内收到了 2,000 份申请。而且，人工智能在谷歌等公司编写的代码已占 25% 以上，而像 Salesforce 这样的公司则宣布了招聘冻结，因为人工智能将生产力提高了 30%。但这是没人告诉你的。今天，那些客观上不如你合格的人却获得了这些实习机会。我指的是那些 GPA 更低、项目更少、技术技能更差的学生。为什么？因为他们懂游戏规则。他们已经破解了价值捕获的密码，而不仅仅是价值创造。我叫 Aman。在我 22 岁时，我在亚马逊、Shopify 和惠普等公司获得了六份高薪软件工程实习机会，以及多份年薪六位数的全职工作录用通知。即使在软件工程市场崩溃之后。我这样做不是因为我是房间里最聪明的人。我这样做是因为我将实习招聘视为一场竞争激烈的运动。今天，我将为你提供完整的、不含水分的路线图。我从获得六份实习机会中学到的一切，我从指导数百名学生获得顶级科技公司（FANG）的录用通知中学到的一切，以及关于目前真正有效的方法的最新数据。这是最终指南。让我们开始吧。现在，在我们深入研究策略之前，你需要了解你面临的挑战。2026 年的实习市场与我们以往所见截然不同。首先，时间线已经改变。大型科技公司现在从 8 月到 11 月开始接受下一季夏季实习职位的申请。公司采用滚动录取制，最晚在 1 月就能填满他们的实习生名额，即使截止日期是 3 月。所以，如果你计划在春天申请夏季实习，你已经输了。其次，推荐的候选人被录用的比例约为 30%，而其他来源的候选人只有 7%。推荐的候选人获得工作的可能性是那些通过公司招聘网站被选中者的四倍。数学很简单。冷门申请，你基本上是隐形的。第三，面试过程本身也在演变。公司正在纳入更多的项目制带薪评估，以验证你编写的代码确实是你自己的。77% 的开发者表示，他们面临的评估不能反映工作所需的技能，而 71% 的人为了准备而刷 LeetCode。这种脱节是真实存在的。最后，竞争从未如此激烈。在一些公司，实习生转正的比例超过 70%。这意味着公司将实习视为延长的面试。它们必须极其挑剔。它们不会随意发放实习机会。但好消息是，这一切都是系统性的。这是一场有规则的游戏，一旦你了解了规则，你就能赢。现在，这是第一个将改变你对实习招聘所有看法的概念。它被称为价值悖论。你被告知，只要你足够优秀，学习更多框架，构建更多项目，刷更多 LeetCode，实习机会就会随之而来。那是错的。有两个独立的事情在发生。一个叫做价值创造，另一个叫做价值捕获。价值创造是你的技术能力。这是你实际编码能力有多强。价值捕获是招聘过程。所以，简历、推荐和 [音乐] 面试。这是你如何为自己的优秀获得报酬。而大多数计算机科学专业的学生将 95% 的精力花在价值创造上，而只有 5% 花在价值捕获上。然后他们就奇怪为什么他们没有获得面试和录用通知。痛苦的真相是，价值创造只是等式的一半。我见过技术能力平平的学生获得了亚马逊的实习机会。大一新生获得了亚马逊的实习机会，因为他们精通了价值捕获。反之，我见过 GPA 4.0 的优秀程序员因为提交了糟糕的简历而被“幽灵化”。这个视频是关于价值捕获的。这是一个策略。这是游戏。现在，在我们开始具体的策略之前，你需要了解获得实习机会实际上是一个两部分的战斗。第一部分是获得面试。而这正是 75% 的人失败的地方。你提交了数百份申请，却没有任何回复。问题是，你的简历很糟糕，而且你没有使用推荐。第二部分是通过面试，而这正是另外 20% 到 25% 的人失败的地方。你获得了面试，但却搞砸了。问题是，你没有为技术和行为面试做好充分准备。大多数人甚至不知道自己在输掉哪场战斗。他们只是不断重复同样的事情，希望有所改变。所以，我们要做的是：我将向你展示如何赢得这两场战斗。首先，我们将解决如何获得面试，简历优化和推荐策略，让你进入招聘流程。然后，我们将涵盖如何通过面试，LeetCode 准备和行为框架，真正让你获得录用通知。让我们从第一部分开始，获得面试。我称之为 75% 的瓶颈：简历和推荐。让我先问一个诊断性问题。你是否提交了超过 100 份申请，却只获得了不到三个实际面试？我指的是实际面试，而不是在线评估。如果是，那么你就有简历和推荐问题。这就是 75% 的瓶颈。大多数人甚至无法通过这扇门。你的简历很可能很糟糕。我很抱歉，但这是事实，你需要花几个小时来修复它。以下是正在扼杀你简历的重大错误。第一是教育优先于经验。招聘人员使用一种叫做“光环效应”的东西。如果他们首先看到令人印象深刻的工作经验，实习、研究职位、黑客马拉松获胜经历，他们就会下意识地认为你更有资格。现在，我并不是说要把你的教育背景放在最后。你仍然是一名正在寻找实习机会的学生。所以，请将你的教育背景放在顶部，但要确保你的第一份工作经验是最相关、最令人印象深刻的。所以，这里的关键是尽快获得任何形式的技术经验。无薪研究、开源贡献、大学社团、黑客马拉松。这些入门门槛较低，但它们表明你不仅仅是去上课。第二个错误是薄弱的被动要点。永远，我再说一遍，永远不要写诸如“协助开发功能”或“帮助团队提高性能”之类的要点。这些是我称之为“旁观者要点”。你听起来就像是站在角落里看着，而不是真正做了什么。你应该使用强有力的行动动词。执行、领导、架构、优化、实现。第三个错误是缺乏量化。如果你的简历上写着“构建了一个 Web 应用”，那毫无意义。如果它写着“使用 React 和 NodeJS 构建了一个 Web 应用，能够处理 500 多个并发用户，正常运行时间为 99.9%”，那才算有点东西。指标是简历的黄金，比如速度提升、用户数量、延迟降低。任何你能衡量的东西都很有价值。第四个错误是忽略 ATS。在人类看到你的申请之前，机器人会扫描它。这叫做申请人跟踪系统（ATS）。如果你的简历没有正确的关键词，如 Java、Python、REST API、AWS、Docker，它就会被自动拒绝。解决方法是，你要在简历中填入直接从职位描述中提取的技术术语。是的，为每个申请定制你的简历。这很繁琐。但还是要这样做。接下来，让我们谈谈推荐的“金票”。这是你能做的最重要的事情，以获得更多面试机会。获得推荐。我再说一遍。有推荐的人获得录用的几率是冷门申请者的四倍。推荐候选人的录用率为 30%，而冷门申请者为 7%。如果你没有获得推荐，你就是在选择失败。这是我用来获得数百份顶级科技公司（FANG）级别推荐的确切三部分系统。第一步是你的关系网。首先，实际询问你认识的每个人，家人、朋友、室友、在微软工作的表哥、朋友的父母。人们喜欢提供帮助。这让他们感觉很重要。而且他们大多数都在有实习机会的公司工作。你可以发送一条简单的信息：“嘿，我正在寻找今年夏天的软件工程实习机会。你们公司有空缺吗？如果可能的话，我很想和你谈谈。”然后在谈话中，请他们给你推荐。就这样。不要想太多。第二步是 LinkedIn 数量。LinkedIn 是有史以来最伟大的社交工具，但你可能用错了。这是一个策略。找到你目标公司的员工。使用人员搜索过滤器。寻找软件工程师，特别是那些和你一样毕业于你的学校或来自你城市的人，以及任何联系点。每周发送 50 到 100 个连接请求。我们的学生每周发送 200 多个定制的连接请求。一个很好的信息是介绍你自己，说明你在他们学校学习计算机科学，并且你对他们公司的实习机会非常感兴趣。然后你可以请他们进行一次谈话，并通过这次谈话获得推荐。当然，在你发送的数百个请求中，大多数不会得到回应。一些人会说不，但也许有 10 到 20 人会说“是”。那就是 10 到 20 个潜在的推荐。第三步是 Blind。Blind 是一个技术员工聚集的匿名平台。它是获取推荐的宝库，因为 Blind 上的用户不在乎礼貌。他们会告诉你确切的进入方法。现在，这对于小型公司来说不太适用，但在任何大型科技公司，你都可以在 Blind 上找到大量的账号，你可以直接私信他们并请求推荐。现在，关于推荐的一个技巧是，时机非常重要。你想在上一年的 7 月就开始申请夏季实习。最晚，在秋季或最早春季申请顶级公司。许多公司已经填满了他们的实习生名额，所以你需要尽快开始。现在，另一个大多数人错过的重大策略。他们申请错误的公司。我喜欢称之为“通往软件天堂的阶梯”。你不能直接跳到顶级公司（FANG 或量化交易公司）。你必须一步一步往上爬。在你准备好去 FANG 或量化交易公司之前，先从小到中型公司开始。一旦你在一家初创公司或一家中型公司获得录用通知，你就会在 Meta、Amazon 和 Google 等公司具有竞争力。现在，我知道你在想什么。啊，这一切听起来都不错，但我需要实际执行的帮助。这正是我创建软件工程加速器（Software Engineering Accelerator）的原因。你看，简历优化和推荐外联，理论上听起来不错，但实际执行起来却很难。这就是为什么我进入市场，说服了亚马逊和彭博社等公司的多位顶级招聘人员，以及谷歌、微软和 Meta 等公司的多位工程师，实际查看并帮助你逐行重写你的简历，并帮助你获得推荐。我们还教你如何在 LinkedIn 连接消息中说什么，并审查你的推荐对话，以确保你可靠地获得正确的人的推荐。我们合作的学生在最初的几个月里往往能获得 15 到 20 个面试机会，而之前几乎为零。所以，如果你有兴趣获得如此多的面试机会，以至于你不知道该做什么，请查看描述中的第一个链接。但现在，让我们进入第二部分，通过面试。好的，你获得了面试机会。恭喜。但现在你有了另一个问题。如果你有五个以上的在线评估或面试并且都失败了，那么你就有准备问题。这是 20% 的瓶颈。让我直说。在这一点上，LeetCode 是你作为计算机科学专业学生可以掌握的最高杠杆技能。我知道这很烦人。我知道你觉得这很愚蠢。我知道你宁愿构建酷炫的项目。但现实是这样的。LeetCode 是科技公司用来标准化流程的特定领域智商测试。所有主要公司，谷歌、Meta、亚马逊、微软都在使用它。关于 LeetCode 不能测试你真实技能的虚荣心作祟不会让你获得工作。接受现实才会。那么，你如何真正掌握 LeetCode 呢？以下是无效的方法。刷 500 道随机题目，然后希望有所收获。但以下是有效的方法。有针对性、持续的练习，运用 80/20 原则。现在，网上有很多题目集和列表，包含 100、200、300 道随机题目。但这些题目的主要问题是它们令人望而生畏。它们令人不知所措。如果你今年想获得实习机会，你没有时间做 300 道题目。相反，你应该专注于 20% 的主题，这些主题涵盖了 80% 的面试问题。这些是数组和字符串、哈希表、二分查找、树（如 DFS 和 BFS）、图，以及，是的，动态规划不在最初的列表中。所以，如果你掌握了这些简单的题目，你就能应对 80% 到 90% 的实习面试。这就是为什么我创建了一个名为 Pareto Problem Set 的题目集。如果你对 LeetCode 完全陌生，或者你想要一个结构化的课程，这个题目集提供了恰好 50 道题目供你专注于。把它想象成你的初步路线图，让你开始并掌握 80% 到 90% 的编码面试和在线评估。你可以访问 ominouser.com/leetcode 或描述中的链接，完全免费获取它。现在，如果你需要帮助理解如何解决这些问题，并有清晰的解释或视频讲解，NeetCode 将成为你最好的朋友。NeetCode 是我的一个私人朋友，他的解释是世界上最好的。所以，如果你想要真正好的解释，我建议你先完成预备题目集，开始解决这 50 道题目，然后在你尝试过之后，查看 NeetCode 的视频解决方案来真正理解它们。现在，这方面的另一个要素是，至少在开始时，如果你想获得软件工程实习机会，你不应该触碰 LeetCode 的困难题。它们会打击你的信心，而且几乎从不出现。你应该从简单的题目开始，最好是中等难度的题目。真正、真正擅长 LeetCode 的中等难度题目。现在，这是我解决 LeetCode 问题时的确切方法。你应该花 30 到 45 分钟自己尝试解决它。如果你在 45 分钟后找不到最优解，你应该查找它。但这一点至关重要。不要只是复制解决方案。理解它为什么有效。然后关闭标签页，从头开始自己编写代码。如果你做不到，你就没有真正学会它。现在，我有一个叫做 PBOI 的特殊方法，我教我所有的学生，并且我个人在解决 LeetCode 问题和编码面试时使用。在你写下第一行代码之前，第一步叫做 P，笔和纸。你应该用自己的话重述问题，并尝试用人类的方式手动解决它。然后 B 代表暴力解法。你应该想出一个最简单的解决方案，即使它效率极低。然后 O 是优化。思考如何优化它，获得更好的时间和空间复杂度，并且只有在你完成这三个步骤后，你才应该实现，我称之为 I，实现。现在，你为最优解编写代码。如果你在每个 LeetCode 问题和每次编码面试中都使用这种方法，你的通过率将显著提高。下一个重要原则叫做 Python 优势。我不在乎你是否用过 Java、C++，天哪，JavaScript，你需要切换到 Python，因为 Python 的编写速度快 30% 到 40%。它有内置的数据结构，可以为你节省大量代码行。而且由于每个人都懂 Python，它更容易向面试官解释你的逻辑。速度在面试中很重要。而 Python 给你速度。现在，LeetCode 就像健身房。在你的亚马逊面试前每周做 20 道题，就像在马拉松前每天做 100 个俯卧撑。这没用。每周做五到六道题，持续几个月。你需要创造外部的责任感，比如创建一个 LeetCode 俱乐部。你可以找一个学习伙伴，甚至使用像 Binder 这样的工具，如果你错过目标并且没有做足够的 LeetCode 问题，它会向你收费。你看，很多人，我称他们为“懒惰的拉里”，他们在面试前一天才临时抱佛脚，然后就奇怪为什么失败。不要做懒惰的拉里。现在，我之前提到了 NeetCode。它是最好的编码面试资源之一。一旦你完成了预备题目集，这足以让你度过最初几个月的准备期，然后你应该去研究 NeetCode 的列表。如果你访问 neetcode.io，他有一个练习门户，里面有数百道题目。你甚至可以在他的网站上提交它们，现在有视频解决方案和解释。他的 150 道题列表非常棒。我就是用它开始的。他还有一个 250 道题的列表，如果你想更进一步，那也很棒。NeetCode 的天才之处在于它解决了 LeetCode 的最大问题。LeetCode 有成千上万道题目，但几乎没有结构。而 NeetCode 精心策划了中等难度的题目集，并清晰地解释了它们。所以，正如我提到的，从预备题目集开始，一旦你完成了它，你就可以解决几乎所有的实习编码面试和在线评估。现在，相信我，我见过解决 500 到 1000 道 LeetCode 题目的人，但他们仍然无法获得实习机会。为什么？因为每家公司都有行为面试。并非所有公司都有编码环节，但所有公司都有行为面试。然而，人们却将 90% 的准备时间花在 LeetCode 上，而行为面试只占不到 10%。这完全是本末倒置。如果你想在 2026 年获得实习机会，你必须掌握行为面试。现在，关于行为面试最著名的方法叫做 STAR 方法。这意味着你接受一个行为问题，并以这种格式回答。S 代表情境（Situation）。你需要设定背景。T 代表任务（Task），这意味着清楚地解释目标。A 代表行动（Action），也就是你实际做了什么。R 代表结果（Result），也就是实际发生了什么。并且你要确保你对其进行量化。让我给你一个强有力的 STAR 回答的粗略示例。在我上次实习期间（情境），我的任务是将 API 响应时间减少 X。我重构了数据库查询以使用索引，并使用 Redis 实现了缓存。结果，响应时间从 800 毫秒下降到 120 毫秒，提高了 85%（结果）。你看这有多清晰？当然，在真实的面试中，你会添加更多细节。但你要确保你提供了背景，解释了你的具体贡献，并展示了可衡量的影响。现在，关键在于，你不需要 50 个不同的故事。你需要几个精彩的故事，你可以改编它们。我现在称之为 120% 规则。与其为 100 个不同的问题写答案，不如选择五个扎实的故事，并把它们掌握到 120%。到那时，你就可以将所有这些故事改编成任何被问到的问题。所以，像你克服的技术挑战，你失败并从中吸取教训的一次，你领导团队的一次，或者你主动采取行动的一次。然后，你将需要根据你遇到的任何问题来调整这些故事。现在，这里有一个关于申请特定公司（如亚马逊）的小秘密。亚马逊有“亚马逊领导力原则”。所以，如果你只是背诵这些领导力原则，你通过他们行为面试的可能性就会大大增加，因为亚马逊的面试官经过培训，会根据这些领导力原则来评估他们的候选人。比如“建立长远眼光”或“行动导向”。如果你只是在你的回答中巧妙地融入这些词语，你通过这些面试的可能性就会大大增加。Meta、Google、Microsoft，任何科技公司都一样，在你的行为回答中使用他们的价值观。现在，一个很棒的现代技巧是，你实际上可以使用像 ChatGPT 这样的 AI 工具，根据你的简历生成定制的行为问题，然后口述你的回答，让它给你反馈。这是一种低成本的方式，可以获得初步练习并真正建立你的行为面试技能。好了，现在你已经了解了获得和通过面试的核心策略，让我给你一些基于 2026 年实际有效方法的尖端见解。这些是正在重塑游戏规则的趋势。如果你不知道它们，你已经落后了。第一个见解是，基于项目的评估正在取代现场编码。公司正在分配更多的项目制带薪评估。这些不仅测试你的技术技能，还测试你如何遵循指示、构建代码和沟通你的想法。优点是你拥有打磨作品的时间。但缺点是他们会考察一切：代码质量、注释、README 文件和提交历史。将每一次带薪评估都当作生产代码来对待。清晰的命名、模块化的函数、测试和专业的 README。第二个见解是，AI 是评估的一部分。现在 AI 工具无处不在，以下是你需要知道的。招聘经理现在会问你这样的问题：“你最喜欢的 AI 提示是什么？”或“你最近用 AI 构建了什么？”这意味着你需要熟悉使用 GitHub Copilot、ChatGPT 和 Cursor 等工具。关键点是你还需要能够解释你如何以及为什么使用这些 AI 工具。不要把 AI 当作拐杖。把它当作加速你学习的工具。第三个见解是，面试越来越难。这是令人不快的真相。谷歌现在在面试中会常规性地问 LeetCode 的困难题，而以前这些题目很少见。整个行业的标准都在提高。这对你意味着什么？门槛更高了，但仍然可以克服。你只需要比你的竞争对手更有纪律性。现在你知道竞争格局越来越激烈，这是一个现实的检查。这条路需要时间。你可能无法在本科毕业后直接进入 OpenAI 或 Anthropic 工作，除非你有顶级的学术出版物和出色的资历。你看，没有一个单一的技巧能让你获得实习机会。据我所知，你需要改进过程的各个方面，尽可能做到最好。所以，拥有出色的简历，获得推荐，让你的 LinkedIn 独树一帜，掌握行为和技术面试，并成为顶尖的 1% 的 LeetCoder。一旦你拥有了所有这些，今年获得实习机会是不可避免的。所以，正如我之前提到的，如果你需要我们与顶级招聘人员和工程师（那些负责招聘的人）一起完成过程的每一个环节，帮助你获得录用，请查看描述中的第一个链接。如果你需要 LeetCode 的帮助，请观看这个视频。如果你需要获得推荐的帮助，请观看这个视频。感谢大家的观看，我们下期视频再见。