1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

985应届，产品方向，整理一下这两个月的情况，顺便和大家聊聊。投递情况：字节产品（抖音）→ 一面约好了，下周腾讯产品 → 简历还在审美团 → 投了，没消息百度、网易、快手、小红书、B站、拼多多、阿里 → 陆续都投了滴滴、货拉拉 → 最近刚投说实话产品岗网申比开发的还麻烦，除了基础信息还要填各种项目描述、实习经历，有的还要写自我陈述，一家至少40分钟。后面被室友安利了牛客的网申助手，基础信息填一遍就不用重复了，虽然项目描述还是要自己改，但已经省了很多了。现在每天睡前刷一遍招聘网站，看看有没有新岗位，感觉春招就是个持久战。大家都在投什么方向呀