ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花一、用String的场景（核心：单值存储、原子操作、简单场景）存储单个独立的值（无多字段关联）：比如验证码（key=phone:138xxxx，value=666666）、token、单个数值（如商品库存、访问量）。需要原子操作：String支持incr/decr（计数器）、append（追加）、setnx（分布式锁）等原子操作，适合计数器（文章阅读量）、分布式锁场景。存储二进制数据：可直接存储图片、视频等二进制流（value最大512MB），适合小文件缓存。简单缓存场景：无...

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

求拷打，单2硕，0实习最近想找一段大厂暑期或者日常实习（有机会吗🥲，hot100目前还在二刷，八股看差不多了，还没开始投，求大佬拷打

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...