思特威校园招聘春招继续进行！大量hc！

1. 自我介绍2. 介绍一下你的项目3. Coze 新旧两种编排方式的差异是什么，你在设计节点时怎么取舍拖拽式编排适合流程稳定、路径清晰、节点边界明确的场景，比如固定审批、FAQ 问答、标准化信息抽取。Agent 化编排更适合目标不稳定、路径动态变化、需要中间决策的场景，比如多轮任务执行、复杂信息搜集、跨工具协作。节点设计时不能按功能菜单式地乱拆，而要按状态边界和失败恢复边界去拆。一个节点如果既负责理解问题、又负责查知识、又负责生成结果，那一旦出错很难定位，也很难重试。真正稳的节点应该输入清晰、输出结构化、失败可恢复。4. 你写过哪些 MCP 工具，设计一个 MCP 工具协议时最关键的是什么M...

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

个人情况：双非，两段实习原本谈好三月签三方，结果月底说可能没HC，公司来年不招初级开发，可能试用期无法转正。四月初开始投简历，但是还要同时忙毕设，已经是微活的状态了。现在每天都挺焦虑，没找到工作好像也不会做其他的。现在去考研时间也不一定够，而且也不太甘心现在这个结果。希望路过的大佬能指点一下------不知道现在投国企来不来得及，不过感觉学历是硬伤，有没有大佬知道，非常感谢------感谢各位大佬的留言，后续可能考研，不上岸就转行了。

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...