奥克斯电能硬件

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

我妈是某上市公司的老员工，她知道我秋招没找到工作，春招还去一家小公司干，表示不解，让我去他们公司干，我说我不想干制造业这一块，虽然他们公司股价上个月已经起飞了，当然我没买。我妈很反对我搞理财相关。她觉得我一个人在上海打工钱少又照顾不了自己，也非常反对我养猫，但这样的她还是在亲戚批评我养猫脏的时候反击了，说我爱干净每天洗猫（实则没有）。她说我们公司不行，但当知道我们有文化衫的时候，又认可说有企业文化的公司是好公司。哈哈。

28届前端选手，想找一段日常实习，麻烦各位牛爷爷看看简历中还有什么问题，求拷打

Q1：⼀句话说明什么是 AI Agent？答案：AI Agent 是以⼤模型为认知核⼼，结合规划、记忆与⼯具调⽤，能在多步交互中根据环境反馈持续决策并完成任务的系统；其本质是 闭环的感知—思考—⾏动 循环，⽽不仅是单次⽂本⽣成。Q2：为什么说 Agent = LLM + Planning + Memory + Tools？缺⼀块会怎样？答案：缺 Planning：容易变成「只会接话」的聊天，⻓任务易跑偏或⼀步登天完不成。缺 Memory：⻓对话会丢线索，多会话⽆法延续⽤户偏好与任务状态。缺 Tools：只能「空谈」，⽆法查实时信息、执⾏代码、改系统状态。LLM 仍是中枢，但单靠 LLM 没有外...