写简历或准备助理工程师评定时，千万别干巴巴地罗列技术栈。与其写“熟悉Kafka和Doris”，不如具体化业务场景。比如，重点描述你是如何将1万5千个电池测试通道的海量时序数据，平滑同步到集中式Doris数仓的；或者在开发TRP测试流程管理系统时，是怎么攻克电池老化评估模块的架构瓶颈的。用具体的业务规模和真实的数据指标来背书，把踩坑经验转化为硬核的工程产出，这样写出来的项目总结绝对有杀伤力！

求内推

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下改了一版新的，求大佬们看看

1. 自我介绍2. 介绍一下 AI 智能体的 workflow，以及 RAG 知识库是怎么设计的智能体 workflow 一般不是一次模型调用，而是多阶段任务流。我会把它拆成意图识别、任务规划、工具选择、检索增强、结果生成、校验和记忆更新几个阶段。比如运营人员问一个商品问题，系统先判断是选品分析、广告诊断、库存预警还是内容优化，再决定调用商品库、广告系统、向量知识库或规则引擎。RAG 知识库设计上会分离结构化数据和非结构化文档。结构化数据比如商品指标、广告 ROI、库存周转用 MySQL、ClickHouse 或 ES 查询；非结构化内容比如运营 SOP、平台规则、历史案例、达人脚本会做切分、...