1 . RAG 怎么评测，有哪些维度，那些指标RAG 的评测一般分成检索、生成、端到端三层。检索层主要看正确证据有没有被找回来，常用 Recall@K、HitRate@K、MRR、NDCG；生成层主要看答案对不对、是不是基于证据回答，常看 Answer Correctness、Faithfulness、Relevance、Completeness、Citation Accuracy；端到端层更偏业务效果，比如用户满意度、追问率、拒答率、时延和成本。真正做项目时不会只看最终答案，因为答案错可能是召回错、重排错、上下文拼接错，也可能是模型生成错。2. 数据集包括什么RAG 的数据集一般不只是知识库...

听的一个认识的小主播说的，在中大厂工作，身边hr抱怨投的简历里几乎所有都是java，离谱到100份只有3-4是其他的，而且最逆天的是不管招什么岗都差不多。招测开，移动端很有难度，因为java实在太多了。。。然后部门leader还补刀了一句，你们移动端简历的都是后端不要的。感觉分出一点时间多看看一些小主播的真实工作分享，或者向校友多问问真的挺有必要，不能当鸵鸟，我以前完全不知道已经离谱成这样了。现在我感觉真的要认真考虑转移动端了。。。好歹有java知识，也不算从零起步吧。我是28届，还有大半年能完全投入。。。

有大佬能帮忙看看，简历还需要怎么改吗🥲🥲

1、自我介绍2、做了一个企业知识库 + 办公助手 Agent的项目3、Agent 和传统聊天机器人最大的区别是什么传统聊天机器人更多是围绕对话生成展开，本质上是“用户问一句，模型答一句”。AI Agent 不只是回答，它还要理解目标、拆分任务、决定下一步动作，并且在必要时调用外部工具完成任务。所以 Agent 更强调“决策能力”和“执行能力”，而不是单纯的生成能力。比如用户问“请假流程是什么”，这更像知识问答；如果用户说“帮我查一下我下周一有没有会，如果没有就给我安排一个项目同步会”，这就不是普通聊天了，因为它涉及状态判断、调用日历工具、执行会议创建等一系列动作，这才更符合 Agent 的定义...