现在的各家AI基本也都支持一定的知识库能力的，我在这儿推荐两个我最喜欢用的。一、ima.copilot腾讯的ima，专为小白打造的简单易用知识库，能够建立自己的知识库，附属ai可以基于知识库问答，也可以基于当前页面问答，还能使用搜索功能进行补充，重要的是他是免费的！另外，新人送的365G内存太爽了，还可以分享知识库，完美平替某度网盘二、zread中文版的deepwiki，严格来说应该不算知识库，但是异曲同工的。该AI可以将GitHub上的项目进行索引自动生成简单易读的文档，看不懂还能随时问附带的AI，该ai回答问题也是主要基于GitHub代码仓库进行回答的，也会通过搜索补充未找到的内容。使用方法也很简单，只需要将代码仓库的地址中的"github.com"换成"zread.ai"就行了。该ai工具除了用来学习开源项目以外，还能用来索引自己的项目，然后面试中被问到自己项目里没回答上来的问题都可以通过这个来加深理解，属于是另类的面试神器！

看了篇论文感觉挺有意思的，这个是我目前看，能够比较完整的把智能体错误进行系统整理并給出一个诊断方式的文章。并提出了一个多代理系统故障分类法(MAST - Multi-Agent System Failure Taxonomy)原文链接这个文章主要把Agent的问题分为了三类第一类：系统设计问题这类错误通常是因为系统让智能体扮演的角色没定义好，或者智能体没能遵守“人设”和规则。其中下分五个错误1.1 违背任务规范 (Disobey Task Specification)：用户说“不要用固定字典”，智能体非要用。即无视用户的核心约束。 1.2 违背角色规范 (Disobey Role Specif...

面了这么多大厂，也是有了一些经验。有深度的简历是你不仅有技术，还有解决问题和创造价值的能力。1.要从“项目功能”思维转向“系统”思维：不要只写“我用了Vue+Element-UI做了一个后台管理系统。”要思考并尝试写出：i.性能：我如何优化万级数据表格的渲染性能？（虚拟滚动、分页策略、Web Worker）ii.工程化：我如何封装高复用组件/工具函数，提升团队开发效率？我如何配置CI/CD流水线或代码规范？iii.架构：我如何设计状态管理？模块间如何解耦？是否有更好的数据流方案？iv.难题解决：我遇到了什么技术难点（如大文件上传、实时协同、复杂动画）？如何调研并解决了它？2.追求量化，哪怕是小项目：即使是一个课程设计或个人项目，也可以尝试量化。例如：“通过Tree Shaking和懒加载，将初始包体积从 2MB 减少到 800KB”；“通过索引优化，将某个复杂查询的响应时间从 2s 降到 200ms”。深挖一到两个技术点，形成“技术亮点”：不要泛泛地说了解XXX。熟练XX3.选择一个方向深挖，比如：性能优化：深入理解浏览器渲染原理、网络协议，并能在项目中实践（如预加载、缓存策略、渲染优化）。前端工程化：深入研究Webpack/Vite插件机制，能为自己团队定制插件或构建流程。4.找到自己的创新点：当发现现有工具无法完美满足需求，或过于笨重时，不要将就。尝试：写一个适合自己的工具函数库、封装一个更适合业务场景的组件、基于开源项目进行二次开发或定制插件。这个过程本身就是深度学习的体现，也直接成为简历上的闪光点。5.像产品经理一样思考业务：在做项目或实习时，多问几个问题：这个功能是为了解决用户的什么痛点？成功的指标是什么？我的技术方案是否是最优解？有没有数据可以验证效果？主动去寻找项目中的痛点、挑战，并用你的技术知识和钻研精神去解决它、优化它，并将这个过程和结果清晰地表达出来。这就是简历“深度”的来源。

感觉这一年都在焦虑中度过年初还在学校，焦虑找不到实习，每天背八股背场景，终于在3月份找到一份实习，觉得能轻松一阵了。但等到进去后发现和自己想的并不也一样，当初承诺可以解除ai智能体开发也没了消息，反而每天被安排一些杂活，业务也没人带，全靠自己摸索，勉强干了几个月发现没有什么提升便开始找 下一份。看到每天投出去的简历没有回应，陷入怀疑自己的时期，但这份实习又不敢辞掉，只能边怀疑边干杂活边找下一份（现在想想当时是真滴苦）终于在运气加持下拿到两个不错的offer，一个电商一个智能车机，又陷入了选高并发还是和ai相关的纠结最终选择了电商，来到了杭州，在没有任何朋友亲人的地方一个人租房生活，找房子还全是...