本人bg：25届算法，在MiniMax工作快一年了。从实习转正，到现在参与M2.5等核心模型的迭代，感受还是非常多的。刚好最近很多学弟学妹来问求职和公司的情况，干脆把我的真实经历和观察整理出来，希望能给正在看机会的大家一些参考。一、关于求职：实习是成本最低的试错我一开始不知道自己想去哪，所以我会通过实习来给自己试错。研究生阶段，我攒了4段实习（1家中厂，3家大厂），不过现在看来，这些经历最大的价值不是让简历变好看，而是让我对所谓的大厂“祛魅”了。 有的团队进去才发现，核心业务根本碰不到，天天写周报、对齐、拉通，忙活半天不知道自己在干嘛。所以我觉得，多实习不是为了刷简历，而是用低成本试错，给自己...

26学院本太难了，很多公司机筛就给我刷了。机会都难拿到如果是简历存在问题也欢迎拷打————————————————————分割线——————————————————————2026.3.4更新：发完贴之后，时不时投递又收到了不少的笔试/面试邀请。主要是之前投递简历出去之后基本上都是沉默状态，年后好转了不少timeline：2026.01.21 文远知行笔试，半年多没刷算法题 ->挂 (后续HR说春招可以重新安排笔试)2026.2.4     小鹏汇天 技术一面，第二周收到结果 ->挂2026.2.12   大众Cariad代招 技术二面 ->Offer2026.2.28   多益网络技术面试，由于风评太差，一直在犹豫要不要接面试 ->推迟

项目其实就是外卖跟点评，ai润色了一下就想在暑期实习之前找个中小厂这种程度足够吗

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...