fighting！

1. BERT 模型的结构答：BERT 本质上是一个 Encoder-only 的 Transformer。输入由 Token Embedding、Segment Embedding、Position Embedding 三部分相加得到，然后经过多层 Transformer Encoder。以 BERT-Base 为例，模型参数通常是：层数 (L=12)，隐藏维度 (H=768)，注意力头数 (A=12)，前馈层维度 (4H=3072)。BERT-Large 则是 (L=24, H=1024, A=16)。每层 Encoder 的结构是：Multi-Head Self-Attention -&...

今天开工，看到好多人在网上晒自己公司的开工红包，小到几十，上到四五百的都有。不得不说，还是会有一些羡慕的。这种人情味，虽然说是一些比较小的细节，但是真的会让人的幸福感还提升挺多的。希望公司可以多一些这种人情味吧。

引言大部分人简历上写的 Agent 项目，技术链路是这样的：接收用户输入 → 调 LLM → 解析工具调用 → 执行工具 → 返回结果。这是 Agent 的"最小可用版本"，能跑通，但没有任何区分度——2026 年了，跟着任何一个教程都能搭出来。尤其 RAG 相关的大家已经觉得烂大街了，评论区也有同学吐槽真正让面试官觉得"这个人做过真东西"的，是那些教程里不会教、但生产中必须解决的进阶问题。以下逐个拆解。一、Agent Harness：Agent 不是一个模型调用，是一个运行时是什么：Agent Harness 是 Agent 的"执行骨架&q...

要知道，当年高考前别人跟你说的“高考是最后一次公平竞争”真的不是说说而已。我有两个朋友，A和B。A长得很好看，B……长得很努力。有一天他们同时去面试同一家公司，同一个岗位。A进去十分钟就出来了，表情轻松，说：“感觉像聊天。”B进去一个小时才出来，脸色发白，说：“感觉像答辩。”结果很快出来：A过了，B挂了。B不服气，说：“不行，这事得搞清楚。”于是他托关系，找到了当时的面试官，想问个明白。面试官也挺坦诚，说：“其实你们俩我都有印象。”B一听来了劲：“那为什么选他不选我？”面试官想了想，说：“你是那种，我们需要花时间去确认你很优秀的人。”“他是那种，我们会默认他还不错的人。”B沉默了两秒，说：“所以还是看脸？”面试官笑了笑，说：“也不能这么说。”“只是……”“我们在面试他的时候，是在找理由让他通过。”“在面试你的时候，是在找理由让你不过。”后来B把这段话讲给A听。A听完也沉默了很久，最后说了一句：“那我可能确实更适合这家公司。”B问：“为什么？”A说：“因为我进去之后，他们还要继续找理由让我留下。”---段子结束，好吧我承认我写的很尬，但还是得承认颜值绝对是加分项之一，因为就我看我公司的同事，尤其是女生，颜值上确实都很高。