第一部分：Prompt 工程 一、调优哲学（五条优先级原则） 在动手改任何 prompt 之前，先用这五条原则做方向判断： 聚焦优先于全面。 先保证主任务稳定完成，再补充细节。一个能把核心事情做对的 prompt，比一个面面俱到但哪个都不太稳的 prompt 有价值得多。 场景优先于通用。 不同场景的必要字段不同，不能机械套模板。先问自己：这个场景里，什么字段缺了会让结果失真？先保这些，再优化其他。 结构优先于辞藻。 清晰的模块化结构比"高级角色设定""华丽描述"更有用。模型不需要你用精美的语言描述任务，它需要你把任务说清楚。 定性优先于精算。 LLM ...

孩子bg 双非本 末流985硕暑假竞争太激烈了，投了很多厂，字节，阿里，美团，快手，携程等等，但实际没有几个约面。目前就字节面两次 一次二面挂 一次三面挂现在想去找20-99人的厂，或者99-499人厂刷一段经历，有用吗，导师只放一段实习

4.21投递 一直没有部门捞，是投的太晚了还是没填内推码

项目挑一个讲？这个项目里大部分是大模型，工程上的有讲一下吗？有用到 Agent 吗？Agent 和传统大模型有什么区别？工作记忆了解吗？向量数据库和传统数据库区别是什么？从模型上查询索引结构上、事务上的区别呢？你提到的给 A 推荐的喜好是怎么做的？你的项目如果对标京东、阿里的话，有没有了解到现在成熟的方案？比方说对你的身高体重、用户画像等这类长期记忆的应用。大模型使用向量数据库的诉求是什么？什么场景用向量数据库？向量数据库在 AI 里的核心作用在哪？向量数据库开源的有哪些？ 在毕设过程中，有哪些方案是做过技术调研的？做过压测吗？2000 QPS 的瓶颈在哪里？怎么优化？压测的时候什么指标达到了...