1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

焦虑ing，二本，绩点挂车尾，无竞赛就会个stm32和freertos，esp32。无竞赛，学历差。真让人焦虑。这是应付学校任务写的简历，说实在的，平衡车和nwatch都是跟着视频(铁头山羊，韦东山)复刻的。MQTT这部分让ai吹了一下，实际上我不会LVGL，就在简历抹去了。八股文没开始背，面试题还没开始看。需不需要刷一点算法？来不及了，才知道大三这个时候应该投简历了，骑驴找马，边投边学

我不上课，我要实习😡，这约面是真难啊，投了4天了就约到两个，一个笔试，一个面试

如果春招能重来，我会把精力死磕在项目深挖和AI工具提效上，而不是焦虑地海投。现在回头看，面试官根本不在乎你背了多少八股，他们只看你是否真的解决过复杂场景的痛点。如果是现在，我会把简历里的水项目全删了，只留最硬核的，把精力放在彻底搞透大数据底层的逻辑上，把Doris、Kafka、Flink CDC的架构原理吃透，去死磕一下工业级海量数据并发写入的性能调优。而且，我绝对会早点把Cursor、Claude Code这些AI编程原生工具用熟，把日常敲代码和造测试数据的效率提上来，用省下的时间去深度复盘每一次面试的录音，而不是像无头苍蝇一样每天刷新招聘软件。与其为了拿Offer而焦虑，不如沉下心把核心技...