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...

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。

互联网只适合竭泽而渔，不适合可持续发展，或者说根本就做不到可持续发展。因为互联网的职业生涯很短，而且会越来越短。ai诱发的降本增效一轮又一轮，会不停的把老人筛出去然后把新人招进来，等ai充分榨干了这批新人的技能和idea之后又会重复一轮降本增效。所以新人入行更难而且注定难以待得长久啊。那么就有人问了：篮子哥，我已经上了互联网的贼船了，手里有几个互联网大厂的of,应该怎么选呢？我的答案是：无脑选工资高的，不需要在乎什么职业前景，是否是客户端，是否是大厂，是否工作强度大。原因就是我刚才说的：互联网职业生涯很短，无脑狠赚笔就是当代最优解了。不过话说回来，能多干1年肯定是比啥月薪多5000都要强得多的...