去年夏天，我组里来了一个让我印象很深的实习生。不是因为他优秀，恰恰相反——他来的时候基础相当薄弱。面试时，我其实有点犹豫某211学校，大三，没有任何实习经历，唯一的项目是一个图书管理系统课程设计。技术问题回答得也一般，Java、数据库、Redis都只是了解皮毛。但有一个点打动了我：“我学习能力还可以，遇到不会的就查资料、问人，直到搞懂为止。”这种态度，让我决定给他一个机会。第一周：连Git都不会用入职第一天，他在Git上卡了整整一个下午。clone、commit、merge冲突，都不太熟。我心里有点凉：这基础也太差了吧？但他说：“导师，Git我以前用得少，但我今晚回去好好学一下，明天应该就没问...

今日首蚌，真的很难绷住

 #嵌入式# 

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...