美团骑手面经：考核能不能 30 分钟送 5 单； 星巴克咖啡师面经：拉花角度差 5° 直接挂； 大厂保洁面经："请用 SWOT 分析厕所打扫流程"； 牛客作为面经的"宅基地"📜，这一次不走寻常路！诚邀大家来这里脑洞大开！ 没有不能写面经的岗位，万物皆可发面经！ ✍️ 全网征集以下内容（3 选 1 即可） 🤣 方向 ① 离谱有梗的面经 任何"你觉得离谱但其实合理"的岗位面经都行：  「我面试了胡同遛狗员，被狗 HR 看了一眼就挂了」 「寺庙运营官面经：考核大悲咒背诵速度」 「海底捞服务员一面：让我表演给一桌人唱生日歌」 「奶茶店店长...

27学院本一个面试没有，修改了好几版简历，有没有大佬帮我看看是哪里出现了问题😭😭

记得上次找日常实习从投递到最后offer总共花了51天这次暑期也是惊人的相似，从开始投递到offer也是花了51天暑期总结蚂蚁3月20一面挂阿里所有意向简历挂美团3月18一面挂字节3月17投递3月23一面3月27二面3月30三面，三天后挂+转岗4月10从二面复活4月17三面4月20offer快手4月1日一面4月13日二面4月20hr面百度4月11日一面4月14日二面4月17日三面这回教训就是以后不要在职面试了，实在太累+心态不稳，一开始想着就算没有公司要还能在现在公司赖着，最后活也不想干，面试也不想面感谢字节收留了，听说强度不小（早10晚10），好在base在广州，希望顶住😥😥

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 ...