刷牛客发现，80%的应届生实习翻车，不是因为技术不行，是不会跟mentor相处。要么是不敢提问，遇到问题自己硬扛，最后耽误了项目进度，被骂；要么是不动脑子，什么鸡毛蒜皮的小事都问，让mentor觉得你能力差；要么是过度依赖mentor，自己不思考，永远只能做CRUD，转正无望；甚至还有人跟mentor对着干，最后实习证明都拿不到。我自己4段实习，从外包到传统公司，再到互联网大厂，遇到过坑人的mentor，也遇到过神仙带教，踩过无数的坑，也总结出了一套和mentor相处的底层逻辑和实用方法。今天就跟所有应届生讲透：和mentor相处的本质是什么？怎么建立健康的相处模式？怎么正确提问？哪些红线绝对...

发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，发邮箱让参加宣讲会，说参加完后就给安排面试。技术岗上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别。———4.21更新贵公司的高级员工您来私信骂我也没用哈，风评不好谁的问题谁自己心里清楚，有这时间建议提升自己，完善公司制度，而不是来骂我这个连入场券都没有的破学院本

去双选会问HR，说没有含金量的内容，我自己做项目写上面认可么，我有点想去嵌入式方向，不过还没咋学32，来的及么😭

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...