说实话，签下这份央企子公司offer的那一刻，我心里就猛地一沉，直觉告诉我自己踩坑了。可白纸黑字的协议已经敲定，我亲手堵死了所有退路。时至今日，我心里仍是懊悔，最让我意难平的是：我亲手推翻了自己当初最清醒、最正确的选择。当时整个秋招一路走来，满是波折与煎熬。我全程专注冲刺技术岗，满心期待能拿到合适的岗位，却在银行面试中被从省分行调剂到老家市分行，瞬间击碎了大半期待，心态彻底崩盘。为了求职保底，我仓促报名了老家人才引进，顺利通过面试后，却在考察环节莫名石沉大海。万幸的是，秋招尾声我终于收获了两份优质技术岗offer，省属二级国企和这家央企子公司省分，薪资待遇都十分可观。斟酌再三后，我坚定选择了省...

😭😭😭😭本人26届双非本，后端选手。从25年秋招开始，一直到春招5月份，一共面了12次字节。可以说后面能继续投递面上字节大概率是因为前面一直累计的面评还不错，但是最终的结果往往不尽如人意，黄梁一梦。timeline:如标题，总共面了12次字节，4个不同的岗位。第一次：抖音生活服务测开二面完排序挂第二次：TikTok国际化电商测开三面完排序挂第三次：飞书后端安全团队三面完挂第四次：飞书后端偏基架团队三面完过，HR面完之后询问综合排序不推进。我知道像BAT这样的公司，双非本想拿到一张入场券有多难，也知道每次挂在排序/三面/HR面，那种差一步上岸又被打回原点的落差感有多磨人。可是最后一次字节的这个岗位，已经是5月中旬才开始面得了，春招末期的岗位，我本以为真的缺人，三面过的那天，我真的以为就差一步hr面就稳了，但是，最终的结果很遗憾，综合排序综合排序，不推进了。如果是技术能力的问题，我想也不会每一轮技术面给我通过。思来想去。难道真的就是因为我们双非有案底，所以最后的一切又算什么呢。付出这么多的时间精力，还是抵不过双非学历太差吗？既然如此一开始直接卡掉简历不用给面试不就行了嘛，每一轮面试都给我们生的希望，最后的最后又回到了那个必输的起点。12次字节，说不遗憾是假的，也无数次怀疑过自己：是不是我算法刷得还不够？是不是项目亮点讲得不够好？是不是学历就是一道跨不过去的坎？但回头看，这一年的秋招到春招，从面对面试官紧张到说话卡壳，到后来的从容面对，再到如今甚至能和面试官探讨AI&大模型技术的一些方案思路，我已经比去年的自己强太多了。可能字节于我，真的是一场盛大的单恋，拼尽全力奔赴，却还是没能收到想要的回应。前路漫漫，字节的梦碎了，但我的路还在继续，希望下一站，会有属于我的一场徐风。

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...