上个月写了一篇 Claude Code 上下文管理的文章，评论区有个问题问得很好——"压缩具体是怎么压的？压完之后它怎么还记得我刚才让它干什么？" 说实话当时我也答不上来。只知道"满了就压缩"，但到底怎么决定什么时候压、保留什么丢弃什么、压完之后怎么恢复工作状态，这些细节一直是黑盒。  直到我花了两天时间把 Claude Code 的 compact 目录下十几个源码文件从头到尾读了一遍，才发现这套压缩机制远比我想象的精密。它不是简单的"砍掉旧消息"，而是一个四阶段的液压系统——从最轻量的规则裁剪，到 LLM 驱动的结构化摘要，再到熔...

boss上面沟通了500多个，只有不到10个要了简历，一个面试也没有约到，大佬可以帮我看看可以怎么改进吗

兄弟们，boss投了好多了，根本没人理我啊，该咋办？简历有很大问题吗？

今天直接上硬菜。面试官只要问Embedding，跑不出这三个方向：维度怎么定、距离怎么算、降维怎么画图。咱们不讲虚的，直接给答案、给理由、给操作。第一击：维度——不是越大越好，也不是越小越香面试常问： 你们Embedding维度设多少？为什么？直接回答： 一般在64到512之间。推荐从128开始试。为什么不是越大越好？维度太高 → 向量稀疏，每个位置都“有点意思但又不确定”，模型容易记住噪音而不是规律（过拟合）。计算慢、存储大，线上推理成本翻倍。为什么不是越小越好？维度太低 → 信息挤在一起，就像把一张高清图压成马赛克，物品/用户之间的差异表达不出来。实践口诀：数据量小就偏小（64~128），...