铁塔 北京分公司

比删错库更让人心梗的，绝对是导师突然发来一句：“你现在来我办公室一趟。”看到消息那一刻，脑子瞬间开启走马灯模式！疯狂回想是不是自己写的Kafka同步逻辑把节点搞崩了？还是TRP系统里的电池老化评估模块引发了严重的线上事故？走向办公室的那几十步路，心里七上八下，连离职感言都快在脑海里打好腹稿了。结果推开门，导师可能只是想跟你讨论一下下阶段的开发计划，或者确认个小需求。这种被未知恐惧支配又瞬间落地的感觉，真的是每个实习生都会经历的心理过山车！

比预想中晚了一周，时间过得真快啊，感觉越学越多，目前这版简历下周直接开投了，两个项目都是自己用AI敲的，欢迎各位继续拷打，也是在共同交流学习吧。目前可以说出项目架构业务，自己亮点设计的一些思考，技术实现以及技术选型原因，量化指标也准备了一套说辞，但深挖代码估计就寄了；八股过了一遍，属于基本能说点原理理解，但深挖细节估计也寄了；算法简单了解一些整体思路，但手撕估计也寄了；AI可以吹下项目相关的工程实现和一些技术选型，但深挖技术肯定就寄了。总之，基于自身学习状态考量，先投些小厂继续学吧。有道是：“人生南北多歧路，一处春山一路平。”

就不投

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...