求建议

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...

一、怎么找Agent开发工作/实习？（精准渠道+投递策略）1. 核心招聘渠道（按优先级排序）校招/实习平台：实习僧、BOSS直聘（筛选“Agent开发”“大模型应用开发”“LLM落地”关键词）、智联招聘（企业校招专区）；技术社区：GitHub（关注Agent相关开源项目的招聘帖）、掘金/CSDN招聘板块、V2EX（“工作机会”分区）；企业官网：大厂（字节、阿里、腾讯、百度）AI实验室/智能终端部门、AI创业公司（如科大讯飞、商汤科技、MiniMax）、海外企业（OpenAI、Anthropic的远程实习机会）；内推：通过学长学姐、LinkedIn人脉、开源项目贡献（如给LangChain、AutoGPT提PR）获取内推，跳过简历初筛。2. 投递策略简历关键词对齐：围绕“LLM”“Agent框架（LangChain/LLaMA Index）”“工具调用（Function Call）”“Prompt Engineering”“多智能体协作”“知识库构建”等核心技能；投递时间：实习提前2-3个月投递（如暑期实习3-4月集中投递），校招秋招（9-11月）为主、春招（3-5月）补录；针对性投递：优先选择“大模型应用落地”“智能助手开发”“企业级Agent解决方案”相关岗位，避开纯算法研究岗（竞争激烈且门槛高）。二、Agent开发实习具体在做什么？（真实工作场景）1. 基础层工作：基于LangChain/LLaMA Index等框架搭建Agent基础架构，实现“指令解析→工具调用→结果反馈”的闭环；优化Prompt模板，提升Agent对复杂指令的理解准确率，调试Function Call参数（如温度系数、最大 tokens）；构建知识库（如向量数据库Milvus/Pinecone的使用），实现Agent的知识检索与问答功能。2. 应用层工作：开发垂直场景Agent（如电商客服Agent、科研辅助Agent、代码生成Agent），对接业务需求（如对接企业ERP系统、API接口）；多智能体协作开发（如拆分任务给不同子Agent，设计Agent间通信机制）；测试与优化：通过用户反馈迭代Agent功能，解决“指令误解”“工具调用错误”“结果不准确”等问题。3. 辅助性工作：撰写技术文档（如Agent使用手册、接口说明文档）；参与需求评审，和产品、算法团队沟通Agent的落地可行性。三、简历上如何包装Agent开发经历？（STAR法则+量化成果）1. 无相关实习？突出“项目经历”（核心加分项）模板：项目名称+技术栈+核心职责+量化成果示例1：“基于LangChain的学术科研Agent开发”技术栈：Python、LangChain、OpenAI API、Pinecone、Streamlit职责：设计“文献检索→摘要生成→公式解析→参考文献整理”的Agent工作流；优化Prompt工程，提升摘要准确率；搭建可视化界面。成果：Agent处理文献效率提升60%，支持3种学术格式输出，获校内科创竞赛二等奖。示例2:“多智能体协作的电商客服系统”技术栈：LLaMA 2、Function Call、Redis、FastAPI职责：拆分“咨询应答→订单查询→售后处理”子Agent，设计Agent通信协议；对接电商平台API，实现实时数据查询。成果：客服响应时间缩短40%，问题解决率提升55%，支持日均1000+用户咨询。2. 有相关实习？强化“业务落地”与“技术难点”示例：“XX公司Agent开发实习生”职责：参与企业级智能办公Agent开发，负责工具调用模块优化；解决复杂指令拆解、跨工具数据同步问题；对接OA系统API。成果：优化后Agent工具调用成功率从82%提升至95%，落地3个部门的日常办公场景，降低人工操作成本30%。四、怎么判断Agent开发实习的好坏？（4个核心维度）1. 项目落地性：是否有明确的业务场景（如To B企业解决方案、C端产品功能），而非纯理论研究；是否能接触到完整的Agent开发流程（从需求到上线）。2. 技术成长空间：是否能使用主流框架（LangChain、LLaMA Index）和工具（大模型API、向量数据库）；是否有资深工程师带教，能指导技术难点（如多智能体协作、复杂任务拆解）。3. 资源支持：公司是否提供充足的算力（GPU资源）、数据支持；是否允许参与开源项目或技术分享。4. 团队与氛围：团队是否以AI落地为核心目标，而非“蹭热点”；是否有明确的实习考核标准和反馈机制，而非打杂（如仅做数据标注、文档整理）。五、你有自己动手做过Agent吗？有！比如基于LangChain+ChatGLM开发的“大学生科创竞赛辅助Agent”，核心功能包括：竞赛选题推荐（结合行业热点+数据支撑）、方案框架生成、技术难点查询、参考文献整理，已开源至GitHub（含完整代码和部署教程），适合作为简历项目经历。

深夜，电脑屏幕映照着实验室的一角鼠标轻轻点开那封来自华为的邮件“录用通知”字样映入眼帘长久以来的紧张与疲惫仿佛瞬间消散这份来自华为中央软件院软件开发工程师的offer成为了人工智能与计算机学院毕业生近年来在华为技术岗的一次突破她本科在江南，硕士仍在江南近七年时光 深耕一个赛道她是谁？线索一：肯坐冷板凳，深耕编译器作为“土生土长”的江大人，她的求学之路沉稳又踏实。从本科踏入人工智能与计算机学院，到硕士阶段继续深耕，七年时光里，当同龄人纷纷涌向CV /LLM 模型研究等热门赛道时，她反而一头扎进了少有人问津的底层编译领域——这个聚焦底层技术的研究方向，没有捷径可走，全靠一行行代码的打磨、一次次实验...

看牛客都好厉害，想知道92✌🏻班里一般有多少有实习的