《软件设计》 https://item.jd.com/12726611.html
《软件开发实践》 https://item.jd.com/12947702.html

难，现在名校应届生都不好找，我昨天看牛客网上还很多 23 届无 offer 的，建议考虑一下找培训机构编简历的路子，虽然这样不好，但是至少保证生存

其实你可以考虑自己给自己找点活，不要只是等领导安排，领导安排的活少，你可以自己去发现一些潜在的需求去完成，比如，像你说的公司没有工单系统，你给领导提出建议，然后自己设计一个符合公司需求的工单系统，不断去迭代这个系统。还有在团队合作中，自己主动交流沟通很重要，等待别人发掘你的才能其实是很难的

新能源 机器人

4.《 C++沉思录》也不错，也是研究设计和编程思想，只是成书年代比较早了，也推荐一下
我觉得核心是要通过学习，在脑子里形成一套写代码时的决策树，了解各种写法背后的权衡和优劣，做出相对正确的选择

我大概理解你的意思，你应该想更多“why”这个层面为什么 C++这么设计和具体场景下该怎么写 C++的建议，推荐几本我最近在看的书：
1.《现代 C++语言核心特性解析》 https://book.douban.com/subject/35602582/
2.《深入应用 C++11 》 https://book.douban.com/subject/26419368/
3.《 C++ Software Design 》 https://book.douban.com/subject/35913533/

你想研究自己的性格，适合找《人格心理学》看看，最好找正经的教材，不要看那种畅销书风格的东西，可以去豆瓣搜索，找评分高的

简单说，就是以 gpt 为代表的大模型技术作为一种新的生产工具，必然影响到整个行业的供需关系和劳动定价。
姑且把劳动简单分为：“设计”和“执行”两类，大模型大大降低了“执行”的门槛和效率，像使用 cursor 这样的 AI 生成代码的编辑器描述清楚函数一秒钟就可以写好，但是知道怎么描述这个函数依然是一个有价值和门槛的事情，也就是设计函数这个工作依然是无法替代的，也就是说以后真正有价值的工作会越发集中于“设计”这个层面，而执行这个层面 AI 大多数都能代劳。
总的方向是什么？
作为一个大一学生，你赶上这个新潮流，也是幸运，因为包袱更好，更容易适应新的生产方式。
我给你的建议是：你应该考虑如何学习“设计”，如何表达“设计”，如何实践“设计”，用好 AI 根据来提高效率，而不是去敌视，因为没有意义。

@cy18 非常简陋的编辑器，没有插件

@billytom
1.语言方面，我试过 Python 、c/c++、js 、Java 应该是都支持
2.函数级别，只要写清楚输入输出和功能，可以直接生成可用的代码
3.项目级别，可以让他直接生成框架骨架，然后慢慢一个函数一个函数的慢慢调整，还没法直接写项目，但是潜力很大
你自己试试就知道了，它都只用 gpt3.5 ，还没用 gpt4 就很强了，我觉得这玩意在进化几个版本，超过大多数程序员不是问题

cursor 也不错，你也可以试试 https://www.cursor.so/
昨天试用了一下，感觉效果惊人

@sdjl 我认为 AI 的能力会很快超过百分之八十的普通写业务逻辑的程序员，这只是一个时间问题，在这个前提下，十年经验和三年经验差别不大，欢迎拭目以待

@sdjl 我不太理解你什么意思，工作十年就人人当架构师？还是人人转管理？任何行业都是金字塔结构，大多数人都是初级岗位，架构师和管理岗位本身有限，这是行业结构问题，就像高考人人都备考，最后上清北就百分之一，是你不努力吗？是清北就招那么多人

别说 AI 不会影响程序员，他会降低经验的价值，严重影响议价权，如果编程 AI 辅助下，工作十年的人和工作三年的人能力和效率差不多，你还凭什么要求涨工资

本质上是个资源管理问题，可以参考文件系统里管理空闲空间的一些思路。
首先，假设工作时间是早上八点到晚上八点，可以半小时为一个分配单位划分资源，用一个 24 位的 bitmap 来表示会议室的资源，初始化为全 0,已经分配的就置 1 。然后，写一个分配函数，逻辑就是先检查对应的位是否被置 1 （可以用异或），如果置 1 ，就提示错误，没有就把 0 变成 1 ，预定记录存入数据库。

cursor https://www.cursor.so/
昨天试用了一下，感觉效果惊人

不太专业，学过一点机器学习和深度学习，姑妄言之
机器学习本质上就是归纳法，希望通过提取过往数据中的本质特征来找到一个普遍性函数映射关系，来实现对新的未知东西的预测，比如：动物分类模型，训练过程就是给大量的数据让他预测，并给他反馈，让他不断调整，直到找到那个函数关系为止。
早期的机器学习就需要人工设计函数映射关系，结构是基于比较严谨的数学原理推理出来的，现在深度学习是通过神经网络作为万能的函数拟合器代替了人工设计，解释性比较差，但是效果好。对深度学习感兴趣可以看这本： https://book.douban.com/subject/30270959/
所以数据很重要，大量优质的有标注的数据才是基础。

看你的目标是什么，如果想去体制内，搞个 211 硕士还是有用的，如果对网安感兴趣，想在广州就业，可能广州大学好一些