华为终端云都啥情况了

先泼一盆冷水：实习生，尤其是前期，不打杂是不可能的。公司付钱，本质上就是购买你处理确定性事务的时间，来释放正式员工处理不确定性问题的带宽。但这里藏着一个巨大的信息差和机会差：公司以为它买的是你的“劳动力”，但你可以学到的，是一整套“职业化”的底层操作系统。第一步：翻译黑话，从动词升级不要写你“做了什么”，要写你“创造了什么改变”。每天筛简历，打电话约面试负责简历筛选与面试邀约执行人才初筛与触达：日均处理150+份简历，建立关键词标签库，实现初筛效率提升40%更新招聘表格，统计面试数据协助维护招聘数据主导招聘数据运营：独立维护实时招聘看板，通过数据异常波动预警，助力面试到场率提升15%整理面试官...

10天四面，速通字节，终于结束了😡

各位前辈好，先说声抱歉，可能又是一篇“求骂醒”的帖子，但我真的需要一个方向。我的情况比大多数人都糟糕：双非软件工程，大四，马上毕业了，0实习经历，0工作经验。秋招根本没参加，原因很傻——我一头扎进了一个自己觉得“挺有意思”的项目里，天真的以为把项目做好工作自然会找上门。现在春招也快结束了，我才如梦初醒，发现简历投出去基本石沉大海。我没有什么能拿出手的背景，唯一能说的就是这个从后端到前端全栈独立开发的电影推荐平台。我知道在各位前辈眼里这大概率就是个小玩具，但我确实是下了功夫去琢磨的，它不是什么网上扒的代码，下面这些是我自己琢磨并落地的东西：项目概况：Spring Boot + MyBatis-Plus + Redis + JWT + MySQL + Vue3（前端是AI辅助生成的）我自己觉得花了心思的几个点：1. 推荐算法落地：没有照搬别人的推荐逻辑。我是基于用户多维行为数据（评分、收藏、浏览时长）去计算标签权重，然后用“评分×log(热度+1)”的公式做加权排序；冷启动场景用热门数据兜底。推荐结果用Redis的ZSet缓存，用户行为一变化就主动删缓存触发重算。2. 缓存体系设计：不是那种“面试八股文背完就扔”的表面理解。我实际遇到了缓存穿透和击穿的问题，然后自己用空值缓存+逻辑过期去解决。热门电影定时预热、批量查询用multiGet减少IO次数，还封装了MyCacheUtils通用模板，让整个项目其他模块也能复用这套缓存逻辑。3. 并发与一致性：用Redis的SET NX EX实现了收藏/点赞的分布式锁，key精确到“用户+操作对象”级别，不是粗粒度的一锁全锁。异常回滚时Redis和MySQL数据一致性问题也思考并落地了。验证码的原子性校验用了Lua脚本来保证。4. 性能是真实数据：我用JMeter做了2000并发的压测，引入Redis缓存体系后，推荐接口平均响应从6466ms降到155ms，吞吐量翻了一倍，缓存命中率干到98%以上。这些数据不是编的，是我自己反复调优跑出来的。说实话，做完这些的时候，看着压测报告我是挺兴奋的，觉得“这也算出活儿了吧”。但现实是，0实习好像成了我简历上的原罪，很多公司直接筛选条件就把我过滤了。所以我想跪求各位前辈指点我几个问题，每一条我都认真看、认真执行：1. 关于简历：0实习的应届生，还有资格谈“项目亮点”吗？我这项目，是不是在专业面试官眼里就是一个“低配版培训项目”？如果这个项目还有救，该怎么在简历上呈现，才能让HR或者面试官至少愿意给我一个电话面试？如果没有，一个0实习的应届生到底该在简历上写什么？2. 关于面试：如何用项目细节证明“我虽然没实习但真的能干活”？我挺怕面试官看到我没有实习经历就直接失去兴趣。真到了面试那一步，我该怎么引导对话，用上面这些技术细节去对抗“没实习=没工程经验”的刻板印象？比如缓存那块，怎么从“我解决了击穿”讲出一个有技术判断力和工程思维的完整故事？3. 关于求职策略：错过了黄金窗口期，现在该冲什么样的公司？大厂我肯定不奢望了。现在这个时间点，我应该去投那些小公司和外包吗？要不要把薪资预期降到最低先入行再说？对于0实习的应届生，什么样的公司是真的有机会让我进去学技术、积累经验的？4. 关于未来：如果现在直接找不到工作，我该怎么办？这段时间我想好了，如果实在是找不到研发岗，我要不要去干测试或者运维先入行？还是找家小公司被压榨一年攒个经验？还是干脆先找个其他工作边干边学等下一轮秋招？我什么建议都能接受。我知道自己起步晚了，代价得自己扛。现在唯一能做的就是面对现实，然后找到一条最有可能逆袭的路。希望前辈们能给我指个方向，即使简单几句“没救了”或者“还能救，去做XXX”我都非常感激。

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...