1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...

有没有大佬帮忙看看，这个简历能找到工作吗（没有实习经历），进大厂够不，每天都刷程序员被ai替代，焦虑的不行了...

求内推

现在竞争焦点从"拼模型/拼 Prompt/拼 Context"升级为"拼 Harness（模型外围的运行时与基础设施）"——Agent = Model +Harness；工程师的核心能力是"驾驭复杂性、驾驭不确定性系统"，这是 30 年软件工程不变的主题。三次跃迁：Prompt Engineering (2023) → Context Engineering (2024-25) → Harness Engineering (2026)。Claude Code 是当前 Harness 的 Number One。大学生怎么学？照猫画虎：读...