AI能写代码、做报表、排查bug，帮我们摆脱繁琐重复劳动，但我们难免焦虑：AI如此强大，究竟有什么做不到？我们的价值会被完全取代吗？               答案藏在需要温度与共情的瞬间。        AI能生成华丽的安慰话术，却替代不了发自内心的倾听、真诚的陪伴与职场间的默契理解。它能捕捉文字情绪，却体会不到背后的欢喜与遗憾，就像病人需要的是医生的关切，而非AI的冰冷建议；失意者需要的是懂他的共鸣，而非千篇一律的...

Time line2.2 约一面2.4 一面2.5 约二面＋二面2.8 hr面后秒云证2.12 邮箱oc

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

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...