信也 内推码：NTANj39

现在圈子里都在聊 Vibe Coding，好像只要动动嘴皮子、对对眼神，代码就能像喷泉一样涌出来。这种“只要感觉对，代码自然位”的幻觉，最容易让职场新人产生一种错觉：底层原理不重要了，基础训练过时了。但现实很骨感：Vibe Coding 可能会干掉“平庸的初级岗位”，但它其实给“硬核的新人”留了条快车道。1. 初级岗位的“分水岭”已经出现如果你的日常工作只是把产品经理的白话翻译成 Java 或 Python，那 AI 的确能把你 K.O. 掉，而且连招呼都不打。那种“机械翻译”式的初级岗正在迅速枯萎。但反过来想，AI 把你从繁琐的语法纠结中解放了出来。新人不再需要花三年时间去背诵 API，而是...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

最近十分焦虑，本来计划找java岗的，结果现在这个时代，什么都要带上ai，本来就有一大堆java八股文没背，还要仓促的学agent，但学的都是基础呀。简历上那些都是提示词工程，让AI输出指令格式，然后程序判断，也没什么含金量。完全没有什么竞争力😭，唯一的竞争力就是实习时间可以长些吧。但我也找不到适合的学习项目，另一方面自己也比较着急。想要快点找实习。求大佬们指点一下小弟😭😭😭

1. 自我介绍 简单聊聊你写的这个项目2. bge-m3 的预训练过程是什么，为什么它可以高效检索bge-m3 的核心不只是“做 embedding”，而是把多种检索信号统一进同一个模型框架里。它同时支持 dense、sparse 和 multi-vector 三种表示。dense 负责语义层面的相似性，sparse 更接近词项权重匹配，multi-vector 则适合处理长文档、多粒度语义对齐。这样一个 query 不再只依赖单一路径召回，所以在复杂检索场景里更稳。从训练角度看，它一般不是只靠单一对比学习目标，而是会结合多任务数据，让模型既学语义匹配，也学词面相关性和局部对齐能力。高效检索的...