时间：3.9-3.11 重磅事件 1. Anthropic Claude 杀入 Microsoft 365 Office 全家桶  Time: 2026-03-09 | Heat: 🔥🔥🔥🔥🔥 Summary: 微软发布 Copilot Cowork，整合 Claude 模型，深度融入 Word/Excel/PPT/Outlook，可自动构建演示文稿、拉取数据、安排会议。E7 套餐 $99/用户/月。 Insight: Anthropic 商业化最重要里程碑，微软此前签下 $300 亿 Azure 计算协议，如今将 Claude 嵌入全球 4.5 亿 Office 用户工作流，多模型...

研二下 找实习 boss全都已读不回有无大手子指点下 随便喷🫤感觉没时间了 面临以下选项：1.  三战java 本科做过几个项目 现在全忘了2. 速通golang 还是感觉不好找3. 测试启动 测开也是开发…花了太多时间在导师的idea上 后悔ing😭

菜鸡求拷打，最近想找一段暑期或者日常实习，hot100目前还在二刷，八股看了一半，去年找了一段小厂实习，干了两个月太水了就提前离职了，期间做了个玩具项目，甚至都没有上线，包装一下就写进简历了，把原来的外卖替换掉了，另一个是点评，今天下午ssob沟通了一百多，有要简历的但是之后就已读不回了，求各位大佬指点

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...