1. 你做的 Agent 项目，完整链路讲一下完整链路一般是用户问题进入后，先做意图识别和 query 改写，再根据意图判断走纯 RAG、RAG + Tool，还是多 Agent workflow。检索阶段会做混合召回，再用 rerank 精排，拼接上下文后交给大模型生成。如果涉及订单、机票、酒店这类实时数据，会通过 function calling 调后端接口。最后返回答案时，会附上引用、置信度或者兜底话术。二面一般会继续追问每一层为什么这么设计，以及哪一层最容易出问题。 def agent_pipeline(query, user_profile): intent = detect_int...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

不知道过两年会变成啥样…   

简历时，你是不是也陷入过这样的困境：明明做过不少事、有过亮眼的经历，落在纸上却干巴巴的，要么流水账式罗列，要么无从下笔，根本体现不出自身价值？当 HR 在筛选简历时，最反感的就是 “无效经历描述”—— 没有逻辑、没有重点、没有成果，即便你能力达标，也很难在众多简历中被看见。而解决这个问题的万能工具，就是 STAR 法则。它不是复杂的理论，而是一套能快速梳理经历、让内容更有说服力的结构化方法，帮你把 “做过什么” 转化为 “能创造什么价值”，让简历自带竞争力。今天我就手把手教你，如何用 STAR 法则改写简历经历。Part.1 我们先搞懂：STAR 法则到底是什么？STAR 是四个英文单词的缩写...