博世毁意向

先简单做个自我介绍。你现在还在实习吗？说一下你实习时候的工作。这几项工作都是你独立做的吗？你主要负责哪一个？RAG和传统搜索有什么区别？为什么不直接用关键词检索？举个例子，智能体和大模型怎么交互、协同？工作流程是什么？检索这块你做过效果上的优化吗？有具体的优化案例吗？从效果不好到变好的过程。怎么保证积分可靠性，防止多扣/多增？分布式锁原理大概是什么？SETNX 的功能是什么？加锁后进程异常退出，锁泄露怎么办？介绍一下 Spring AI 这个框架。是用 workflow 方式搭建的 agent 吗？用 Spring AI 写一个 agent 的过程大概是什么样的？整个过程完全是大模型自己决策吗...

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

大佬帮我看看吧：我大二下学期有一段暑假实习，中小厂应该算，但是也没有参与核心业务，但是在有人带的情况下，写了个小项目（未完善），打算把它作为实习项目，但是简历上实习这个不太会写……我也知道star法则，但是如何包装……现在我的简历像是罗列技术栈……然后我的项目经历也是很标准的黑马点评，我要不要再做一个新的项目加到这个项目经理里面？？还有什么可以优化的都可以指出，我虚心接受并整改，多谢大佬们了！

1、自我介绍2、项目介绍3、介绍 NLP 中数据增强方式NLP 中常见的数据增强方式主要有同义词替换、随机插入、随机删除、随机交换、回译、模板扩写、噪声注入、对抗样本增强和基于大模型的数据改写。同义词替换是把句子中的部分词替换成语义相近的词；随机插入和删除适合做轻量扰动；随机交换适合增强模型对局部顺序变化的鲁棒性；回译是把句子翻译成另一种语言再翻回来，能够保留大意但改变表述；模板扩写适合分类和信息抽取任务；噪声注入比如加入错别字、空格、标点变化，适合提升鲁棒性；对抗样本增强更偏训练阶段优化；现在更常见的是让大模型做改写、扩写、同义表达生成。数据增强不能只追求数量，更重要的是标签一致性和语义不偏...