呜呜#成都

第一部分：Prompt 工程 一、调优哲学（五条优先级原则） 在动手改任何 prompt 之前，先用这五条原则做方向判断： 聚焦优先于全面。 先保证主任务稳定完成，再补充细节。一个能把核心事情做对的 prompt，比一个面面俱到但哪个都不太稳的 prompt 有价值得多。 场景优先于通用。 不同场景的必要字段不同，不能机械套模板。先问自己：这个场景里，什么字段缺了会让结果失真？先保这些，再优化其他。 结构优先于辞藻。 清晰的模块化结构比"高级角色设定""华丽描述"更有用。模型不需要你用精美的语言描述任务，它需要你把任务说清楚。 定性优先于精算。 LLM ...

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了——————————————————4月27日编辑：兄弟们加油，我花了一个多月反复修改简历，积累经验，也是找到工作了，目前入职快一个月了，毕业就可以转正，转正月薪9k左右，已经比较满足嘞，后续还会继续持续学习，坚持是可以有结果滴！加油，感谢这两个月帖子下评论的兄弟们支持和建议！

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...