如题，鼠鼠27届游戏客户端求职，bg双2，但是UE方向能投的实在不多，雷火字节腾讯什么的投了石沉大海，测评过后从没有捞过，到现在也只有一个数字人的日常Offer。刚才去了莉莉丝暑期的二面，没想到还会问计组的内容，一点没看，很基础的东西也答错了。明明一面问的都是C++，os，计网之类的我都有看。然后后面的场景题也是得让面试官一步一步带着思考，答完就感觉大概率没戏了。现在极其的焦虑，如果有很多面试还好，我能把注意力放在下一次面试上，但是我现在能进面的是少之又少，面完就直接Emo了。现在想放松一下负罪感直接升腾，想继续复习脑子里又全是面试时候的窘迫，已经想把自己埋了。4.20 果真已挂，其实仔细想想大概还是因为一面的体验太好，面试官问的我都答的不错，他很有耐心，然后后续反问的时候聊的很真诚。我当时就觉得如果跟着他干应该会很有动力吧，可惜短时间内应该已经没这个可能了（

在当下的求职环境中，学历在很大程度上确实具有优先级。对于大多数企业来说，招聘的第一步往往是由HR进行简历筛选，而在这个阶段，学历成为最直观、最高效的过滤标准。学校背景、专业对口程度，都会直接影响一个人是否有机会进入面试环节。因此，现实中不乏这样的情况：一些学历较好的人，即使缺乏丰富的实习经历，也能更容易获得面试机会，甚至顺利进入企业。

大家好，我是马丁。应该挺多同学都认识我，毕竟在牛客上关注比点赞多的，应该也不是很多，哈哈。前段时间开源的 Ragent AI，在牛客上获得了大家的广泛关注，非常感谢大家的认可。GitHub 现在也已经 1.7k Star 了，而且还在高速增长，这些都说明 Ragent 是个好项目。简单介绍一下 Ragent：它是一个企业级 RAG 智能体平台，基于 Java 17 + Spring Boot 3 + React 18 构建，从 0 到 1 纯手工打造。覆盖了文档解析、多路检索、意图识别、问题重写、会话记忆、模型路由容错、MCP 工具调用、全链路追踪等 RAG 系统的核心能力。不是那种调个 API 跑起来就收工的 Demo，而是一套真正能落地、经得起推敲的完整工程实现。如果你是 Java 方向、想补上 AI 这块短板，或者想在简历上加一个有区分度的项目，可以去看看。项目地址：https://github.com/nageoffer/ragent回到正题。有不少做开源的大佬问我：你是怎么宣传的？天地良心，真没咋宣传过。视频一条没发，文章就某号发了几篇，全加起来都没我牛客置顶帖的浏览量高。总结下来，我的路子比较佛——把代码写好，剩下的交给用户。那为什么会发这个帖子呢？今天翻了翻 Ragent AI 的 GitHub 监控数据（详情见图三），发现竟然还有从豆包过来的流量。我当时就合计：难道是豆包在向别人推荐我的开源项目？顺便吐槽一句：没想到必应的流量这么高，某度是真的废了。然后我就去亲自试了试，结果直接震惊了！！！大家详情见图一和图二，真的没想到，千问和豆包这么给力。DeepSeek 其实也可以，只不过我当时没截图了。当然，也得泼点冷水。可能熟悉大模型原理的同学就有疑问了：AI 说好就是好么？肯定不是的，因为模型训练都是从网上抓取数据做预训练，没有客观对比的能力。可能还有更优质的项目，只是没有被挖掘出来。不过能被几个主流大模型记住并推荐出来，至少说明 Ragent 这个方向上还是有点东西的，后续我也会继续打磨。如果你也在纠结学什么 AI 项目，不妨去看一下 Ragent，毕竟代码完全开源，4w多行 Java 代码说不定能找到自己成长的方向。当然，也欢迎大家来 GitHub 点个 Star ⭐ 支持一下，有问题随时交流。就这样，祝各位牛友都拿到心仪的offer~对了，图四是我用 GPT image2 生成的，现在 AI 发现太迅速了，等等我！