暑期找了一个月左右，最后拿到腾讯cdg的offer了。个人感觉现在暑期后端确实是很卷，可能是因为后端的hc在逐渐缩小吧。普通本科生面试机会相对会少很多，本人之前有一段百度实习，但是也过不了很多公司的简历。对于面试过程，感觉有了实习之后面试官会减少问八股，甚至不问，都是一些实习的深度拷问或者问延申的一些场景题。感觉有一段能跟面试官聊的实习经历还是很重要的，另外就是ai相关的也很重要，需要持续学习。面试经常会被问到具体的ai相关实践，一些概念，还有对ai的个人见解等。timeline4.1约面 4.3一面 4.9二面 4.15三面 4.16HR面 4.20转录用评估 4.21oc

大二玩了半年RAG，我发现最靠谱的解法，居然是百年图书馆逻辑本人大二，接触Agent开发从RAG入门，摸过GraphRAG、RAGFlow这些热门项目，也啃过LlamaIndex、LangChain框架，踩了不少坑，也有了些不一样的想法，纯分享思路，不做落地。先说说我看到的核心问题：RAGFlow的溯源功能能标清信息出处，解决了模型胡编的问题，却缺了LangChain那样的隐私数据守卫——检索时只过滤正文，溯源链接还留着，等于给隐私泄露、外网信息跳转留了后门。同时现在的RAG大多是文档乱塞一锅炖，海量数据根本管不住，开源框架要么太笨重新手难维护，要么功能太简陋撑不起场景。想通这些的时候我正在学校图书馆，突然发现：我们卷破头的RAG问题，现代图书馆这套人类用了上百年的「信息管理系统」，早就完美解决了。核心思路完全对标图书馆逻辑，分三点：1. 先分级管控，从根源堵隐私漏洞像图书馆分普通阅览区、内部资料室、涉密档案室一样，给文档做分级。敏感内容直接拦在库外，内部文档没权限连检索都搜不到，自然不会有溯源链接泄露的问题，只有合规公开内容才开放完整溯源。2. 先分类入库，解决海量数据混乱图书馆新书不会直接堆书架，会先验收、查重、按标准分类标引再上架。对应到RAG里，就是文档先自动清洗、去重、分类打标，再分到独立向量库物理隔离，再多文档也井井有条，不会越用越臃肿。3. 统一规范做开源生态，解决「各玩各的」的痛点图书馆能跨馆互通，核心是有统一的编目规则。我们也可以定一套极简统一的开源RAG库规范，实现两个核心：一是人人都能按规范分享自己的RAG库，开箱即用不用二次处理；二是符合规范的任意两个RAG库，都能无缝拼接，自动对齐分类、去重、更新索引，不用手动改配置。现在RAG圈总在卷框架、卷算法，却忘了做RAG的初衷，是让普通人用最低成本让AI落地。这套图书馆逻辑的思路，不用高算力不堆复杂技术，刚好能让本地小模型配上标准化RAG库，真正变得可用。纯思路分享，不打算自己落地做项目，玩RAG的朋友有想法，欢迎一起交流。大模型  开源思路 #大学生编程

双非27届暑期，三月一个面试，四月一个面试，双非鼠鼠要哭死了，是简历问题吗，求拷打

本人bg双非➕百度实习，经过漫长的两个月在职求职，暑期终上岸字节，在这里感谢节子收留以下是一些timeline：3.5 米哈游一面 凉3.10 字节飞书一面 凉3.17 腾讯teg一面 凉3.17 京东支付一面 凉3.25 字节国际化广告一面 几天后告知过4.7 腾讯数据计算平台一面秒过4.8 字节国际化广告二面 面完秒挂秒捞4.9 美团一面 凉4.9 腾讯数据计算平台二面完到hr面，泡了几天一直没约hr面然后流程结束，这是最难受的一个4.13 字节国际化一面秒过4.15 快手主站一面挂4.17 字节国际化二面面完过一会告知通过4.23 字节正式offer从以上总结早期准备的实在不足，对于八股对于简历上实习内容准备的都不够充分，所以许多倒在了一面，后面面着面着才慢慢进入状态，可能也由于在职面试的原因吧，一边上班一边复习实在痛苦，本来想着找不到就继续赖着百度，其实到最后活也不想干，面试准备的也不充分，也算给自己一个教训吧，最好时时刻刻准备好面试的状态，八股算法不能停，祝🐮友暑期也一切顺利！