同程实习薪资爆料

现在感觉没个顺手的 AI 当赛博小弟，这班根本上不下去。最近一直在这捣鼓 Doris，要从各种厂家的上位机抽数据建表，活儿说难不难，但每天写那些繁琐的 CRUD 和长篇大论的 SQL，是真的耗精力。试了一圈各种大模型，我盘了一下，目前能留在我电脑里当“嫡系”主力的，基本就这俩套路：1. 敲代码/查Bug的嫡系：Claude Code平时在 VS Code 里写 Java，或者写一些处理底层数据的 Python 脚本，我习惯直接在终端里唤醒 Claude Code。这玩意儿读本地代码库的上下文确实有一套，有时候逻辑卡壳了，或者环境配置死活不对（比如我想把 VS Code 调教得像 IDEA 一样...

这种要去吗？

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

1 . RAG 怎么评测，有哪些维度，那些指标RAG 的评测一般分成检索、生成、端到端三层。检索层主要看正确证据有没有被找回来，常用 Recall@K、HitRate@K、MRR、NDCG；生成层主要看答案对不对、是不是基于证据回答，常看 Answer Correctness、Faithfulness、Relevance、Completeness、Citation Accuracy；端到端层更偏业务效果，比如用户满意度、追问率、拒答率、时延和成本。真正做项目时不会只看最终答案，因为答案错可能是召回错、重排错、上下文拼接错，也可能是模型生成错。2. 数据集包括什么RAG 的数据集一般不只是知识库...