兄弟们，我先说个事。上周跟一个去年进字节的学长吃饭，他给我看了他们内部的一个文档——第七代AI面试官的评分细则。不是网上流传的那种“注意仪表”“保持微笑”的废话，是真的代码层面的考察逻辑。看完我后背发凉。你知道现在大厂技术岗的简历筛选和初面，已经变成什么样了吗？AI先筛简历，然后AI面试官直接跑你代码。HR只在你过了这两关之后才出现。也就是说，你投出去的简历，第一关是跟几千份简历一起被算法打分。匹配度不到80%的，直接进回收站。过了这一关，你会收到一个链接，点进去不是真人面试官，是一个AI系统。它会给你几道题，让你在线写代码，而且它会模拟Code Review——不只是看你跑不跑得通，而是看你...

年后投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

想问下agent项目和简历应该怎么优化

无八股，全程都在聊AI项目，手撕算法题是lc.15三数之和对于 AIAgent 模式，你如何评判当前系统和切换到另一种模式（如 cline/code 模式）的效果差异？ 你如何设计量化指标来评估不同实现方式的效果？ 你怎么看待 RAG？它的价值是什么？ RAG 和本地知识库有什么差别？ 你说 RAG 有用，那它具体好在哪？优化了什么指标？提升了多少？ 如果把你的项目做成 agent 并对外服务，你如何评估 RAG 的效果（比如准确率、拦截率等）？ 如果不用 RAG，而是用更强的大模型，会怎么样？ 你有没有试过使用最强模型（比如在线 API）替代本地模型 + RAG？ 你有没有做过模型微调？ 你...