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...

记得上次找日常实习从投递到最后offer总共花了51天这次暑期也是惊人的相似，从开始投递到offer也是花了51天暑期总结蚂蚁3月20一面挂阿里所有意向简历挂美团3月18一面挂字节3月17投递3月23一面3月27二面3月30三面，三天后挂+转岗4月10从二面复活4月17三面4月20offer快手4月1日一面4月13日二面4月20hr面百度4月11日一面4月14日二面4月17日三面这回教训就是以后不要在职面试了，实在太累+心态不稳，一开始想着就算没有公司要还能在现在公司赖着，最后活也不想干，面试也不想面感谢字节收留了，听说强度不小（早10晚10），好在base在广州，希望顶住😥😥

学院本进不了开发岗吗

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...