从“会聊天”到“能干活”：一篇讲透 Agent 开发求职、实习与简历的文章“Agent（智能体）开发”这两年火得很快：朋友圈在晒 Demo、公司在招人、面试在加题，但很多人心里还是一团雾——到底什么算 Agent？实习在干什么？怎么找工作？简历怎么写才不虚？以及最现实的一句：怎么判断这份实习到底值不值？这篇文章就用工程化视角把它讲清楚：Agent 不是玄学，而是一套“LLM + 工具 + 状态 + 评测 + 线上约束”的系统工程。会写 prompt 只是入场券；真正的竞争力来自你能不能把它做成“可用、可控、可评测、可迭代”的产品能力。一、先把“Agent”翻译成人话：它到底是什么？很多人对 A...

还记得第一家实习公司，藏在写字楼的角落，整个开发团队不到十人，所谓技术栈，就是把若依改个名字当自研框架。CRUD写到昏头，那时憋屈得很，觉得浪费了应届生身份。现在回头看见过代码能烂到什么程度，才懂规范和质量不是空话，环境烂归烂，但脑子不能跟着一起烂。

鼠鼠刚拿下了一个上海小公司的 offer，结果要辅导员电话，我给辅导员儿简单沟通了一下，直接劈头盖脸骂了我一顿，我真是服了 真的好痛苦😭😭😭，到底怎么办呀

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...