10.16 咪咕笔试

最近一直在搞具身智能、跑 FastWAM 相关的东西，经常看到有人在群里、论坛上问 Hermes 和 OpenClaw 有啥不一样，以后谁更有前途。 这俩看着都是 AI 智能体，好像功能差不多，其实完全不是一个路子。现在还能放在一起对比，再过一段时间，基本就是两条完全分开的赛道，最后甚至不是竞争关系，而是互补。 先一句话说透核心区别： Hermes 是走深度、走自进化的，越用越强，更像一个能自己成长的大脑； OpenClaw 是走广度、走生态的，开箱即用，覆盖场景多，更像一个万能工具人。 先说说最本质的差别 Hermes 强在学习能力和自进化。你给它任务，它不是做完就忘，而是会总结、会沉淀、会...

投的大厂几乎全都是简历挂，我不太明白，我问了很多人他们都说简历没什么问题。可是快手挂我两遍美团、阿里大部分、拼多多、字节剪映、懂车帝、爱奇艺、百度、oppo、小米、美的、哔哩哔哩基本上都是简历挂。我想不通了，一整个三月只有腾讯和钉钉给面了。结果腾讯的两道题我没a出来，钉钉遇到kpi面，面完出来看官网果然是秒挂，我已经觉得绝望了。难道真是简历问题？

真投了你又不给ps:楼主其实比起去大厂当螺丝钉 更想去一些初创公司或外企。楼主是一年不到的社招。

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...