教程项目做了好几个，RAG也搭了，Agent也跑了，但总觉得拿不出手。面试官看一眼就知道——“哦，又是跟着某某教程做的”。github上要么是教程，要么太臃肿的，不知道做啥。自己跟着gpt gemini的提示词做的话，又怕踩坑。那有没有一种项目，既能学到真东西，又能做出自己的差异化？答案是：拿一个真正的商业化产品，边用边改，做成你自己的东西。📌 这个项目是什么kimi-cli 是月之暗面（Moonshot AI）官方开源的CLI Agent，8.1k Stars。简单说，它是一个跑在终端里的AI编程助手：帮你读写和编辑代码帮你执行Shell命令帮你搜索和抓取网页甚至能自主规划多步骤任务和Cl...

第一次实习的时候啥也不懂mentor第一天跟我说的。我说好。我以为只是第一天这样。第二天——"你先看看文档。"第三天——"你先看看文档。"第五天我鼓起勇气问："那我后面大概做什么方向？"他说："不急，先熟悉。"我点开过的文档数了数，三十多篇。每一篇我都有认真看实在无聊，我打开同学群看看大家都干啥呢。有人说他入职第一天就改了bug。有人说他mentor每天带他review代码。有人说他们组上周聚餐了。我每天的成就是：又看了五篇文档。上了一周班后，晚上我收工位走出公司，那一刻我突然明白"你先看看文档"是什么意思。不是让我熟悉。是他也不知道让我干嘛。我真的谢

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...