Codex 最近的热度非常高，和 Claude Code 一起成为继 OpenClaw 之后，AI 圈又一个炙手可热的词。反正我是文用 Claude Code，武用 Codex。两个配合，天下我有。上一篇我们分析了 Claude Code 的 CLAUDE.md，今天我们来分析分析 Codex 的 AGENTS.md。有一说一，第一次写 AGENTS.md，总觉得他就是个 README。但随着对 Codex 的深入使用和理解，逐渐有了不一样的认知。确实都是 Markdown 文件，但写得好和写得烂，Codex 的工程能力差距能有天壤之别。可能很多小伙伴没有时间去分析，今天这篇我花了很多 tok...

这简历， 还有控件优化吗， 感觉学了点什么，有感觉啥也不会啊。现在开始投递，还能找到实习吗有没有经验传授，或者推荐的，懂感恩~简历更新了一下

刚做完两个小项目，大部分技术栈都学了一遍，请求各位给点实质性建议，直言不讳

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...