目前还在招的重点公司（部分）互联网/科技· 百度AIDU计划（北京/上海/深圳，大模型/算法/智能体方向）· 快手（北京/上海/深圳，算法、研发、产品）· 小米集团（北京/武汉/南京，软件、硬件、算法）· 搜狐畅游（福州/北京/重庆，开发、产品、策划）· 联想（北京/上海/深圳，AI模型、算法、开发）· 中国电信（全国，研发、市场、网发、信息化）金融/银行· 上海农商银行（昆山/嘉兴/湘潭/上海，开发、数据、风控）· 华泰证券（南京，Fintech星战营AI方向）· 厦门银行（厦门/福州/重庆/泉州，管培生）· 中信银行南京分行（南京，暑期实习）通信/制造/其他· 晋华集成电路（泉州/上海，I...

27届，bg双非本211硕，0实习找暑期，简直是地狱难度，要么简历挂，要么笔试挂，总算有约面的最多到二面也杳无音迅，某天晚上一时冲动投了字节（因为传说中的面评机制导致我一直没敢投，本来是打算先找个中小厂填简历，等秋招再面字节）没想到顺的不可思议，第二天hr就打电话约面了tl：3.30一面，第二天约二面4.3二面，隔一天约三面4.9三面，结束后10min约hr面，hr闲聊确认到岗时间，当场口头oc回想起那段日子，真是相当煎熬的一段时光，基本每个小时都忍不住检查邮箱，效率也是真的高，我都没想到简历能被捞这么快（点名某鹅某为，到现在都还在泡池子气笑了）最大的感受就是，实习这事是真的玄学，一个月前还在为实习天天愁的睡不着，做梦也想不到一个月后能坐在宇宙厂工位上。有时候被拒绝也不一定是你能力的问题，横向竞争太激烈了。千万不要灰心，保不准哪天就柳暗花明了

c++在路上了，lua也在路上

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 ...