1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

这几天疯狂在boss直聘和应届生上投简历，结果一个回复都没得，是不是简历有啥问题😭，主要投的都是产品岗，求友友们帮忙看看

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

前几天刷到个视频，一个哥们儿只敲了三行提示词，AI 就把整个后台管理系统吐出来了，还带自动测试和 UI 美化。我当时就乐了：这不就是传说中的“Vibe Coding”吗？靠“感觉”而不是一行行敲代码。圈里瞬间炸锅，有人喊“初级岗位要完蛋了”，有人直接辞职去考公。我的看法很直白：它确实会干掉一部分低端重复岗，但远没到把新人全 KO 的地步。相反，这可能是职场新人最爽的一次弯道超车机会。为什么不会全灭？因为 AI 现在还只是“高级复读机”。它能根据 vibe 飞快生成 CRUD、页面、API，但一旦碰到业务逻辑模糊、遗留系统烂摊子、或者甲方突然改需求，它就抓瞎了。真正值钱的不是“会生成代码”，而是...