每个人都讨厌加班，但每个人又都在参与制造加班。一、大厂加班有多狠在字节跳动，有牛客友友爆料说，“身边去字节的朋友没有一个不说字节累的，基本每天十点半样子下班”，一句话道出了常态——字节一年，人间三年。腾讯那边，表演式加班 上了热搜——有员工吐槽元宝团队每天加班到凌晨，结果产品看起来还是个普通聊天窗口。更早一些，腾讯企业微信一名应届生直接在部门大群怒怼管理层，质问 赶版本 导致的高强度加班为何无人过问员工死活。小米更是直接把加班规则摆上台面——有脉脉用户爆料称，小米要求员工日均工时不低于11.5小时，工时排名靠后的要被约谈，甚至劝退。另一位小米外包员工 天放 被主管要求晚下班，在几百人的大群里连...

项目都是大部分ai跑的，目前投了很多简历都挂

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...