中国银行上海分行10.22线下面试的小伙伴的有后续了？

秋招应该是结束了，记录一下求职经历吧。bg双9，本科非科班，硕士搞些交叉方向上的深度学习，没啥用。没有很好但也不能说很差。2月份找暑期实习感觉还是挺顺的，很快拿了几个大厂的实习offer，还对工作有一些期待，应该会比读研有意思。实习期间的话，是没有想象中那么完美，虽然这种有具体目标的做事比读研时的无意义感要好很多，但似乎真的很累，做不完的工作，周末不加班但也会想着工作的事情。实习结束后，又开始有点茫然，我是不想读研，但工作好像也只是另一个围城。8月底开始秋招，可能也是对工作没那么渴望了、不清楚自己想要什么，除了面试，一天可能就一两个小时的有效复习时间，就这样磕磕绊绊的面试到11月份。6次挂在h...

目前0 offer，感觉各大厂都没hc了，导师安排我研三去的校企联培，只能说研究生白读了一半——————————————截止11.10依旧无offer。面试次数：京东面2+2；字节1+3+1；滴滴、高德、网易互娱、百度 1；小米、科大讯飞 2；深信服 3。以上面试全挂，提前批就不算了。腾讯、美团、小红书、快手、蚂蚁、阿里 0，均简历挂；byd没动静，打电话问过说安排，一周没消息了；华为刚要进到笔试；各位不用猜了，就是我菜，累了，不找了。

🙀

你是否想打造一个靠谱的知识客服，或是搭建能精准回答问题的知识库？这就绕不开一项核心技术——RAG（Retrieval Augmented Generation），中文译为“检索增强生成”。听起来高大上的技术，核心逻辑其实很简单：先从资料库里检索相关内容，再基于这些内容生成答案，即“先检索、再生成”，这也是其名称的由来。作为目前最常用的AI问答方案之一，RAG已广泛应用于企业知识助手、智能客服等场景。本文将从应用场景、核心原理、流程拆解、专业名词解析等方面，带你全面掌握RAG技术，搞懂高质量智能问答系统的构建逻辑。前言我认为AI的基础知识是现在求职和实际工作所必须掌握的，不管是算法还是后端前端岗...