offer选择：腾讯上海IEG运维 VS 滴滴北京算法

行云流水1971：这份实习简历的优化建议： 结构清晰化：拆分 “校园经历”“实习经历” 板块（当前内容混杂），按 “实习→校园→技能” 逻辑排版，求职意向明确为具体岗位（如 “市场 / 运营实习生”）。 经历具象化：现有描述偏流程，需补充 “动作 + 数据”，比如校园活动 “负责宣传” 可加 “运营公众号发布 5 篇推文，阅读量超 2000+，带动 300 + 人参与”；实习内容补充 “协助完成 XX 任务，效率提升 X%”。 岗位匹配度：锚定目标岗位能力，比如申请运营岗，突出 “内容编辑、活动执行” 相关动作；申请市场岗，强化 “资源对接、数据统计” 细节。 信息精简：删减冗余表述（如重复的 “负责”），用短句分点，比如 “策划校园招聘会：联系 10 + 企业，组织 200 + 学生参与，到场率达 85%”。 技能落地：将 “Office、PS” 绑定经历，比如 “用 Excel 整理活动数据，输出 3 份分析表；用 PS 设计 2 张活动海报”，避免技能单独罗列。 优化后需强化 “经历 - 能力 - 岗位需求” 的关联，让实习 / 校园经历的价值更直观。 若需要进一步优化服务，私信

八股战士0offer：虽然但是，你想表达的应该是学习如何agent工程里的提示词工程，而不是训练或者微调模型，这基本上是两个不同的方向。我认为学习agent主要就两个东西：提示词工程和上下文工程。像你说的prompt caching这种优化怎么能想到，建议多读大模型供应商尤其是anthropic的博客，anthropic大概一年前就有很详细的博客讲最佳实践和实现了