【阿里2023秋招内推】

用 Agent 开发的小伙伴应该有个共同的感受，模型选择是个大问题。 Codex 默认跑的是 GPT-5.5，能力没问题，费用相对也合理。但国内很多小伙伴还是用不上，所以我就在想。 想找一个模型，同时满足这三个条件：Agent 任务执行能力强、上下文窗口够大、价格实惠。 这里给大家提供一个不错的选项，昆仑万维新发布的 SkyClaw v1.0。  把它接进 Codex 之后，我先后完成了两个真实项目的开发——PaiSwitch 的模型切换功能和 PaiAgent 的工作流适配。 工具调用稳定、代码质量经得住考验。关键是，输入价格比 DeepSeek V4 Pro 还便宜。 01、为什么选择Co...

5月底才开始投简历，全是已送达，连个面试都约不到。求大佬们帮忙锐评一下简历，想去1000人的公司不知道有没有机会

发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，发邮箱让参加宣讲会，说参加完后就给安排面试。技术岗上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别。———4.21更新贵公司的高级员工您来私信骂我也没用哈，风评不好谁的问题谁自己心里清楚，有这时间建议提升自己，完善公司制度，而不是来骂我这个连入场券都没有的破学院本

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...