失业当天，我就有些摩拳擦掌：一项大工程要开始了。一个半月的高强度申请下来，有些办法确实管用，值得记一笔。

1. 先弄清情况，再把计划列出来

由于解雇来得突然，收到消息的时候，我脑子里有许多问号。我做的第一件事，就是尽量带着最少的情绪，把这些问号一个个勾掉：仔细看 HR 发来的条款，弄清楚解雇原因、补偿方案和相关约定；联系同事了解情况，也告知自己被解雇的消息，减少别人的推测；联系律师，弄清移民方面的问题。

然后尽早制定一个计划。哪怕没有具体细节，也先把重要的项目列出来：移民待办、时间线、申请岗位和面试准备，以及经济情况，包括保险、收入、支出等等。先保证自己在关注这些事情，再慢慢把这些大块填满。

大计划有了，再往下拆：这一周、这一天，分别要做什么，做到哪一步。

2. 准备基本材料，也想清楚自己要什么

更新个人主页和 CV，准备一段介绍自己做过什么、想做什么的话，申请或者请别人内推都会用到。下面是我的英文 blurb。

我的英文自我介绍

At Reflection, I focused on improving models for RL. My work included:

• LLM inference data pipeline: Built and owned the mid-training data curation pipeline, using GPU clusters for asynchronous inference to transform in-house and open-source raw data into 2M+ high-quality data pairs through automated rewriting and synthetic data generation.
• Math/STEM data curation: Worked with vendors to co-design quality graders, answer-verification methods, and task-difficulty assessment frameworks. Trained models to help debug evaluation trace quality and iterated on the curation–training loop.
• Internal tooling: Created three internal ML tools for trace debugging, evaluation comparison, and data inspection/visualization, adopted as core training infrastructure across the 80+ person modeling organization. Built agentic workflows for ML observability and data-onboarding monitoring.

At Meta, I built an agentic framework for table-understanding tasks in ranking-data analysis and used SFT and RL to improve the performance of specialized models.

Before that, I led the interaction design for gesture and voice input on Meta Ray-Ban Display AR glasses.

我想找什么样的工作

另一件事，是确定自己想找的工作类型和条件限制。我主要看创业公司，以 10–50 人的小公司为主，而且近期没有过度扩张的招聘计划。Reflection 的经历，让我不太想再找那种一年要把员工数翻一番的公司。

方向上，我想做前沿模型相关或者 AI 应用的工作，也对 AR、可穿戴设备、机器人感兴趣。可以relocate，工资能支持日常生活就好，我当时的底线是 base 年薪 20 万美元左右，当然能争取高一些肯定更好。

3. 调动人际资源，不要不好意思

这次申请工作，前期所有面试机会都来自熟人和浅联系——就是那种见过一面，或者交情不深的通讯录好友。

发了朋友圈之后，我收到了许多朋友发来的内推资源：同事、同学、以前做面试官时加的面试者，以及通过微信公众号和播客认识的粉丝。当初我面试过的一位候选人，看到朋友圈就帮我内推了字节，第二天邀请就到了。一开始我连谁推的都不知道——毕竟我自己都没投，hh。

我也主动联系了一些在创业公司的朋友，请他们问问有没有空位。这次接触的几家小公司效率确实很高：我联系 Hark 和 Physion Labs，当天就得到了聊天或面试的邀请。

4. 充分利用 AI

从了解签证限制、适合的工作岗位、完善我的申请资料、搜集面试题目和准备复习计划等等，每一项现在都离不开AI的帮助。所以有一个OpenAI的会员(codex 来帮忙做各种规划)以及claude的会员（来做代码相关的任务）显得非常重要。

我当时用 Codex 帮忙做各种规划，用 Claude 做代码相关的任务，再搭配 Wispr Flow 做语音输入。用语音和 AI 聊天，能很高效地把想法表达出来。

在家时，我的电脑基本 24 小时不关机，还用了 Mac 上防止睡眠的软件 Amphetamine，让任务能继续跑。下面是几个对我很有用的例子。

4.1 辅助申请

在手工筛选并投递了十家左右公司后，第四周的周末我突发奇想，把自己的相关资料和已经申请的公司交给 Codex，让它再找至少 50 家公司、100 个类似岗位。

我给了一些条件：比如 base 年薪不低于 20 万美元，方向包括 frontier labs、AI application、AR/VR/wearable、robotics 和 AI platforms。我让它先把收集到的公司和职位发过来，划掉不想申请的，再让它帮助填写表单、投递申请。

当时我在浏览器里登录了邮箱，让它操作电脑，方便处理申请过程中需要的邮箱验证码等步骤。有些公司还会问开放题，比如 Anthropic 问为什么选择他们，xAI 问你做过最牛B的事。这种乱七八糟没什么卵用但是不得不写的回复，让ai帮我写有奇效。

周六周日两天它帮我投递了大约 100 个岗位。从那个周日开始，到接下来的两周，我陆续收到了大约三四十家公司的面试邀请。

我最终选择的 Exa，也在这次海投之列；另一家很想去的 The Bot Company 也是。这次投递让我觉得，有 AI 帮忙之后，现在投一份和投100份的成本基本类似，海投会在统计概率下让自己的实力更match最终结果，这次codex真的是立了大功。

投这么多公司你会发现，对方也大量使用ai来审核你的简历，回复模板之类千篇一律。

4.2 整理面试资料

Claude帮我扒了大量网站（例如一亩三分地，hack2hire之类，一亩三分地会员可以从某宝买access，再次声明一亩三分地这个平台就是毒瘤），对于modeling的知识、coding interview、以及各种知识点的资源和面试题都进行了详细的总结，非常有用。我把自己面试的材料整理出来分享到github，给大家参考 - https://github.com/DrustZ/ai_interview_prep_2026

4.3 模拟面试

这一点也很有效，尤其是在后期准备 take-home 或 onsite 的时候。

一般 recruiter 会发邮件，大致说明任务方向，比如做一个 agent 相关的项目，或者做一个 modeling trace viewer。

即使没有说明要做的主题，你也可以把他们发来的email直接喂给ai，加上公司和职位的说明，让ai出一到两个模拟题目，并且把解决代码也一并给出。有点像高考前做模拟题，大多时候ai猜题猜的八九不离十，毕竟现在对面公司估计也是让ai一起出题hh

从准备到面试结束，六周下来，我给 Codex 和 Claude 贡献了几千美元。再加上一些会议记录等乱七八糟的工具，钱没少花，但我觉得值：时间有限，像是请来一个团队帮我求职。

5. LeetCode 依然有用

每天可以刷三五道，或者抽一个周末，集中刷二十道热门题目。我发现，这次面试体验最好和最差的公司都用到了 LeetCode。

在我体验最差的 TikTok 面试里，题目和岗位毫无关系；体验最好的如 Exa、Extend，则选了和实际工作更相关的题目作为技术筛选。编程基本功毕竟是重要的，所以别手生。

6. 保持良好作息，多运动，好好吃饭

这是一场拉锯战。即便我要在六周冲刺，每天也很难看到很大的进展。例如前两周我都在准备和复习，过两周就又全是前期面试，前五周一封offer都没有的时候很容易有完全没进度、困住了、没出路的感觉（有的offer甚至在8/14晚上才发给我）。

这时候如果晒太阳不够、身体吃不消，或者作息不规律，精神也很容易撑不住。回纽约的第一周，我就开启了爆肝模式，花两天把 Stanford CS336 看了一遍，每天看到凌晨三四点。第三天直接发烧，病了一周才好，耽误了许多复习时间。心急吃不了热豆腐。

后来我尽量早睡早起，自己在家做饭，把日子过得有点规律。毕竟失业在家，作息一乱，人也容易懈怠。

每天早起，我会出门转两圈，给自己定个计划；中午做点饭。计划经济时期，我天天用电饭煲焖饭，焖一锅，分装冷冻，能吃四五天。晚上去上健身课，周末陪朋友去法拉盛休息，每天早起放任贤齐的《永不退缩》或者酷玩的《Birds》，日子倒也没那么难熬了。

7. 最后一点，保持信心！

把失业看成机会，而不是只有打击。

事实上，这次经历让我认识了许多新朋友，也知道了一些很久没联系的老朋友最近在做什么，甚至和他们公司的同事建立了联系。我了解了新的领域动态、市场上的工资、话题和项目，也更清楚地意识到：Reflection 的环境对我来说有多不合适，而外面还有那么多很好的机会。

所以申请的时候，不用操之过急，给自己一个底线：大概什么时候要有结果，要找什么领域的工作，自己最在意什么——同事、领域、工资、名声，还是 scope？做到心中有数。

我当时给自己的底线就是八月十五号之前不做任何决定，想去的公司先面一遍，等结果更完整些再选。这样不会有“还有没有别的可能”的遗憾。

有些公司可能会催得很紧，比如给你七天接 offer，或者说这个岗位窗口只有五天，“过了这个村就没有这个店了”。如果不是特别熟悉对方，也不是自己的 dream job，我觉得不需要立刻被这些话打乱节奏。

对我来说，对方愿不愿意沟通期限、给我一点比较和考虑的空间，本身也是判断对方是否尊重和欣赏我，是否合适的一部分。匆忙加入，也可能很快发现不合适。

因此在时间范围允许的情况下，尽可能把所有机会都拿到再做决定；当时间未到，也不必过度沮丧，求职是一个厚积薄发的过程，很可能一直没offer，但最后一周突然来了好几个。

我具体准备了什么

专业知识

我当时还读了 Claude Code from Source。这是对 Claude Code 实现方式的第三方解析，对我的准备很有帮助。

Coding

• LeetCode：主要为 screening 刷一些大公司精选题，一共刷了大约一百道。每道题不花超过半小时，做不出来就看答案，再自己手写一遍。
• AI coding：熟悉 Cursor、Claude Code、Codex 等工具。我觉得再配上 Wispr 做语音输入也很好用，可以语音 vibe code。

项目经验

准备一两个能讲深的 project deep dive。比如我在 Reflection 做的 Math/STEM data curation，在 Meta 做的 recommendation agentic system，以及更早的 AR glasses 工作，都回顾了一遍。

有时候不一定面试官对什么感兴趣，然后项目细节里，为什么做某些决定也需要排练一下。

其他材料

• 一段用于自我介绍的话。
• 一段对理想工作的描述，以及为什么现在找工作，通常是回答 recruiter。
• 针对不同公司 onsite 的模拟训练和资料，同样可以让 AI 辅助搜集、出题。
• 通过朋友、论坛了解薪资情况。
• 准备三到五位可以提供 reference 的前同事。有的公司要书面回复，有的会打电话；也可以先整理一份共同项目和合作经历的草稿，方便对方回顾。

最后这点，我还是想吐槽：有些公司逼事儿真多，流程磨人，面了一轮又要加试，后面还要reference。事后觉得，公司破事儿越多其实越不值得去，因为想要你的公司move very fast，和date一个道理 ：D

这些准备资料，包括复习知识点、自己出的模拟题和面试复盘，我会陆续整理到 AI Interview Prep 2026，分享给大家参考。