比亚迪校招

先放一张从办公楼视角的园区图⬇️ 入职巨人快一年了。这一个年最大的感受是——我好像没在“上班”，就是换了个地方生活。 🏡 关于住：提供两年宿舍，第一年免费入职当天领到宿舍钥匙的那一刻，我人是懵的。双人间，水电全免，冰箱、洗衣机、微波炉全配好了，每个房间独立Wi-Fi，柜子大得能塞下我大学四年的家当，公共区域每天有人打扫。最离谱的是什么？宿舍到工位步行5分钟，早上9:50起床都不会迟到。🍜 关于吃：食堂卷到离谱，3.5元吃一顿早餐巨人的食堂，是那种会让离职员工专门发帖怀念的存在。早餐：土豆饼、萝卜丝饼、煎饼果子、小馄饨、包子、豆浆、八宝粥……我每天的早餐标配是煎饼果子（3元）+豆浆（0.5元...

谁来救救我，双非本。为什么招聘软件投简历总在技术筛被滤掉了。是项目业绩包装的太假了吗。还是社招不想要应届生

今天早高峰10号线，人挤人，我好不容易站稳，余光扫到旁边座位上有个穿校服戴红领巾的小男孩，正低头盯着iPad。我以为他在看动画片，好奇瞟了一眼——好家伙，在刷leetcode。我人都傻了。我小学五年级还在玩赛尔号，人家已经在地铁上刷题了。让我想起来现在也有很多机构推出面向小孩的人工智能课、AI使用课...现在连小孩都这么卷了吗？

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...