​以前觉得找工作就是投简历、面试、等结果，后来才发现里面全是“隐藏规则”。分享几个我踩过坑才明白的事，希望能帮你省点时间：1️⃣ ​​简历不是越“好看”越好​​以前总想着把简历设计得高大上，后来才知道HR根本没时间看排版。他们只快速扫关键词：​​岗位JD里的词​​（比如“用户增长”“数据分析”），和​​你的成果数据​​（比如“3个月涨粉5W”）。✅ ​​建议​​：对着招聘要求改简历，对方写什么你就用什么词，别自创说法。2️⃣ ​​投简历也有“黄金时间”​​周一早上和周二下午投，HR邮箱还没被塞爆，更容易被看到。周末和周五下班前投，大概率石沉大海……（别问我怎么知道的）3️⃣ ​​面试时最怕“没...

事情也不是很大，但是就觉得很搞笑。这里我确实做的不太妥没有表达清楚我的诉求，但是你是专业干这个的你不是应该比我更加清楚吗？买卖不成仁义在啊！没必要直接这么翻脸吧？#签约/解约注意事项#

给蛙为员工干沉默了#OD面经##OD招聘##华为#

理想：RAG 的完美愿景 在大语言模型（LLM）的浪潮中，检索增强生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作为 LLM 应用落地的关键技术范式之一，它的核心思想很简单： “让大模型在生成答案时，先检索外部知识库，确保回答既准确又新鲜。” 理论上，RAG 能解决大语言模型（LLM）的三大痛点： 知识固化：LLM 依赖训练数据，无法自动更新知识（如 GPT-4 不知道 2024 年后的新闻），导致时效性差、专业领域知识不足，而 RAG 通过连接外部知识库，可以随时引入新信息。 幻觉问题：LLM 可能编造虚假信息，而 RAG 为回答提供证据、增强生...