"请介绍一下你在实习期间的主要工作成果。" 答辩组的三位技术专家坐在对面，我深吸一口气，打开了准备好的PPT。 "我主要参与了订单系统的架构优化项目。三个月前接手时，这个系统在日常流量下就偶尔会出现超时，团队一直担心大促时会扛不住。" 我翻到第二页，上面是一张压测报告的对比图： "通过参与微服务拆分、缓存架构重构和数据库读写分离，我们把系统的QPS从8000提升到了80000，P99延迟从500ms降到了50ms。上周的全链路压测中，系统在模拟双十一流量洪峰下依然保持稳定。" 一位专家抬起头："你具体负责了哪些模块？&quo...

28届985本，科班，一直走的是本科就业的路子，学习Go后端，曾经还因为周围人卷保研而自己早已踏上了“正确的道路”而沾沾自喜。现在大二下，工程和算法能力还可以，但保研基本无望，也不想考研。愈发觉得自己所谓“正确的道路”可能并不是多么明智，AI以惊人的速度进化，一年之后或者两年之后，后端还存在吗？大部分的工作是否都和AI算法之类的强相关呢，但这又是一个需要研究生以上学历、需要卷论文的方向，本科就业者基本碰不到。自己的本科学历会不会在后端工作一两年就被“降本增效”了，或者是到了大三大四根本找不到对口的工作了？抱歉，可能我有点想到哪说到哪了，我不知道自己是不是在杞人忧天，现在有点迷茫，希望各位已经进入业界的大佬能够给我指条明路，谢谢！

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...