打开GitHub搜“AI应用”，跳出来的结果是不是都差不多？又一个RAG知识库问答 📚又一个ChatGPT套壳网站 💬又一个LangChain文档加载器 🔧代码换了个写法，README换了个排版，但内核一模一样。更扎心的是：你跟着教程吭哧吭哧做出来的东西，和另外100个求职者简历上写的，几乎没有区别。面试官看多了，审美疲劳 😮‍💨 你也知道这项目拿不出手，但不知道该做什么、能做什么。🤔 为什么市面上的项目都“长一个样”？因为教程教的，都是“标准答案”。教程教你搭RAG → 大家都用LangChain + Chroma + OpenAI教程教你做Agent → 大家都用ReAct模式...

投了很多，一直没能进面

25届应届生被裁，社招目前只有一个面试，能帮忙看看 简历的问题吗，还有Agent有什么好的项目跟着做做吗，好绝望啊

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...