刷到这个话题，一下子就想起了我实习第一天的样子，紧张到手心冒汗，连喝水都不敢大声，现在回头看，又好笑又怀念。我是双非计算机本科，在杭州一家互联网公司做后端开发实习，实习第一天，我提前半个小时就到了公司楼下，在楼下便利店坐了20分钟，反复对着手机里的自我介绍稿默念，生怕进去说错话，连呼吸都在紧张。到了上班时间，我给mentor发了消息，他下来接我，带我进了办公区。第一关就是认人，他带着我挨个工位介绍组里的同事，“这是张哥，负责架构的”“这是李姐，负责业务开发”“这是王哥，测试负责人”，十几个人介绍下来，我一个名字都没记住，全程只会傻笑，重复着“您好您好，我是新来的实习生，以后请多指教”，脚趾都快...

想暑假找个实习，BOSS试着投了几十份没啥回应，问问佬是不是简历有啥问题

正在魏家凉皮吃饭呢，突然看见一个IP是上海的电话，当时就已经猜出来可能是字节跳动了，问我有没有实习的意向，最快多快到岗，能干多少天，然后说有个番茄小说的岗位可能会来面试我什么的，说实话，最近都好久没有投简历了，可能是过年那会投的，没想到现在被捞起来了，希望运气好一点吧，好久都没背八股了，这些天天天上班上的人有点累啊，听见有面试的机会，感觉整个人都精神起来了

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...