投递的有点晚了，想投算法岗，但是八股还没背完，力扣也才刷几道题。想问问大家这简历还有什么地方可以优化的嘛？

第一个是本地知识库问答。把自己的笔记、PDF、文档喂给模型，做一个能检索能问答的系统。技术栈就是LangChain加向量数据库，难度不高但涉及RAG全流程，面试官最爱问这个，你踩过坑就能聊很久。第二个是Agent自动化工具。找一个你自己真实的重复性工作，让AI帮你自动完成。比如自动抓招聘信息整理成表格、自动总结每天的技术新闻发到邮件。场景越真实越好，面试时说这个工具我自己每天在用比任何包装都有说服力。第三个是模型微调。找一个垂直领域的开源数据集，拿Llama或者Qwen跑一次LoRA微调。不需要效果多好，重要的是你走通了训练评估部署全流程，这个经历很少人有，写进简历直接拉开差距。这三个项目有个...

努力拥抱AI中…1.项目拷打2.有没有部署过大模型？3.项目中对话流程是什么？4.如果面试官和AI对话生成的问题冲突怎么办？5.如果将项目升级为虚拟对话可以怎么改6.实习的这个项目还有哪些需要优化的7.你的这些实习项目哪些用到了rag8.rag的信息是怎么存储的9.用的哪些embedding模型10.embedding是怎么分chunk的11.硬切分在实践中有哪些弊端吗，有没有实际的例子12.选一个项目介绍一下react机制是怎么设计的，在实际应用场景表现如何13.这些项目哪个更适合使用模型再训练，哪些适合用rag14.微调的数据集从哪里来代码环节手撕self-attention和检测模型

作为应届生，优先选RAG 知识库项目 —— 技术栈通用、易落地、简历含金量高，下面附 GitHub 优质开源项目。RAGFlow（star 15k+）：企业级 RAG 引擎，支持 PDF/Word/Markdown，可视化配置，一键部署，适合快速搭建 Demo。地址：https://github.com/infiniflow/ragflowAnythingLLM（star 10k+）：全栈私有知识库，支持本地大模型（Ollama），内置 Agent 能力，可嵌入网站聊天窗口。地址：https://github.com/Mintplex-Labs/anything-llmQAnything（网易...