什么叫套壳？就是调个OpenAI接口，套个对话框，起个名字叫XX智能助手。这种项目满大街都是，面试官一眼就看穿，甚至会直接问 你这个跟直接用ChatGPT有什么区别？你答不上来，就凉了。真正值得做的项目有个共同特点：解决了一个具体的真实问题。比如给自己的笔记库做一个RAG检索系统，比用Notion搜索准多了；比如做一个自动分析竞品评论的Agent，每天抓数据总结痛点；比如给代码库做一个本地部署的问答机器人，不用担心数据泄露。这些项目的共同逻辑是：有真实场景、有技术选型、有踩过的坑。面试官问起来你能说清楚为什么这么做、遇到了什么问题、怎么解决的。这才是项目的价值，不是功能有多炫。做一个跑通的真实...

兄弟们这简历真不真实，有没有问题😭

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

1. 自我介绍2. 介绍一下 AI 智能体的 workflow，以及 RAG 知识库是怎么设计的智能体 workflow 一般不是一次模型调用，而是多阶段任务流。我会把它拆成意图识别、任务规划、工具选择、检索增强、结果生成、校验和记忆更新几个阶段。比如运营人员问一个商品问题，系统先判断是选品分析、广告诊断、库存预警还是内容优化，再决定调用商品库、广告系统、向量知识库或规则引擎。RAG 知识库设计上会分离结构化数据和非结构化文档。结构化数据比如商品指标、广告 ROI、库存周转用 MySQL、ClickHouse 或 ES 查询；非结构化内容比如运营 SOP、平台规则、历史案例、达人脚本会做切分、...