但这里有一个致命的认知误区：“包装”不等于“造假”。 很多同学把别人的开源项目或者师兄师姐的产出直接扒过来写在自己简历上，这叫造假；而把你真实做过的、哪怕很基础的活儿，提炼出技术深度和业务价值，这才叫包装。很多同学实习了几个月，简历上老老实实写：“负责日常 Bug 修复”、“参与后端接口开发”、“配合前端联调”。这种描述太“真”了，真到面试官一眼看过去就觉得你是个边缘无情的 CRUD 机器，毫无亮点，直接扔进简历池底。高级的包装，是在真实的业务场景里，挖掘出你解决复杂问题的能力。打个比方，假设你实习时参与开发了一个实验室检验流程管理模块（类似 trp 这种系统），主要涉及样本、订单和设备的子模...

继上次三方毁约后，又拿到了腾讯社招offer

大家都在说今年找实习难，但是字节跳动招7000+，腾讯招10000+，合计1.7万个实习生岗位。这规模都快赶上某些985大学一届本科生的总数了。但是具体细节确别有洞天，字节7000个坑，研发类占了4800；腾讯更夸张，技术产品岗直接扩招39%，潜台词：能熟练使用AI工具的复合型人才实习生越多，正式工越少，与其说是实习生不如说是临时工。国家应该限制实习，每个人实习有上限，另一个不允许企业大规模招超长期实习生

1、讲讲什么是 RAGRAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它的核心思想不是只靠大模型参数里记住的知识回答问题，而是在回答之前，先去外部知识库里检索和当前问题相关的内容，再把检索结果作为上下文交给模型生成答案。完整流程一般分两部分。离线侧先做文档接入、清洗、切片、向量化和索引构建，把知识变成可检索的形式。在线侧收到用户问题后，先做 query 改写或纠错，再去知识库召回相关片段，必要时做 rerank 重排，最后把用户问题和证据一起送给模型生成。RAG 的价值主要有三个：让模型获得训练时没有的外部知识让知识更新不依赖重新训练模型让回答更容...