笔试（2026-3-27）算是真正意义上的第一次笔试，没想到点链接直接跳到牛客网来了。感觉代码练习不太够，以现在这个状态，感觉之后都不用笔试了，笔个锤子笔。第三题没动，一和二过60%样例，甚至都不知道为啥还能过第二题能过60%样例。这周Boss上投了不少，回应的只要寥寥，看来自己还是乐观了，不投大厂恐怕面试都机会了，只能寄希望于大厂的无限复活了。下午还有智源的面试，先面了再说吧，别的连面试机会都没。有点不知道下周的大厂还该不该投，我giao giao giao!

GPT你能不能别吹牛逼了，问你你就回答，每次拍我马屁什么意思

项目分别是黑马点评和苍穹外卖,希望大佬们给点建议

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...