如果说 3 月份是龙虾（openclaw）月，那四月就是爱马仕（hermes Agent）月。———其实不止一次我在思考，AI 进化的太快了，模型底座和缰绳互相进步，互相弥补，我们到底该学些什么？抛开各种应用框架，本质还是脱离不了，记忆，上下文，各种工具（skill，tool）。回到框架上，这些爆火的技术背后，其实也只是代表了一个综合的解决方案。不应该被繁多框架迷惑，更应该看看这些不变的 Agent 基础，还有提高你的工程能力！

28届211本，请牛爷爷们指导下简历，许愿中大厂日常实习目前简历上的项目差不多能讲清楚，能应付一定程度的深挖。

被20000奖金震惊到了，会不会门槛特别高啊，非顶尖院校有希望吗

这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...