什么叫套壳？就是调个OpenAI接口，套个对话框，起个名字叫XX智能助手。这种项目满大街都是，面试官一眼就看穿，甚至会直接问 你这个跟直接用ChatGPT有什么区别？你答不上来，就凉了。真正值得做的项目有个共同特点：解决了一个具体的真实问题。比如给自己的笔记库做一个RAG检索系统，比用Notion搜索准多了；比如做一个自动分析竞品评论的Agent，每天抓数据总结痛点；比如给代码库做一个本地部署的问答机器人，不用担心数据泄露。这些项目的共同逻辑是：有真实场景、有技术选型、有踩过的坑。面试官问起来你能说清楚为什么这么做、遇到了什么问题、怎么解决的。这才是项目的价值，不是功能有多炫。做一个跑通的真实...

投了一个月了没约到面试

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...