东莞移动线下面试一言难尽

招聘市场里，你会有一种强烈的割裂感：一边是1270万毕业生叠加考研考公回流大军的“千军万马过独木桥”，传统岗位卷生卷死，简历投出去如石沉大海；另一边，却是满屏的“AI急聘”、“大模型高薪”、“Agent开发”，仿佛只要沾上AI两个字，HC（Headcount）就无限敞开，年薪起步就是30W+。但这真的是机会扎堆吗？还是新一轮的盲目狂欢？打开各大招聘APP，你会发现一个诡异的现象：行政的要求里写着：“熟悉AI办公工具，能利用大模型生成周报和会议纪要。”新媒体运营的JD里要求：“精通Prompt工程，能用AI一键生成爆款文案和短视频脚本。”销售岗位都在喊：“需要懂得利用AI分析客户画像，实现智能化...

 #嵌入式# 

debuff叠满了，打招呼后已经没有后续了，连简历石沉大海的经历都没有（投都投不出去）！两段实习一点含金量都没有，求大佬们给我爆改一下，谢谢喵！

1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...