生存难度上，腾讯最优，腾讯整体的业务健康度、对员工的关怀，这三家里最好（放到互联网里，也基本可以说最好）；
成长空间上，字节最优，业务快速发展，机会也更多

你好。boss 上的简历是我们 hr 同事在对接，hr 主要会看学历、学校、经验相关性等。

这些只是问外包的问题，招正式的时候就不是这些问题了，一般都会深入到简历里的项目追问几层

快招满了，这周会请 hr 盘点下，有更新的信息我再回复，感谢关注

不是，纯软件的测试，属于工业软件，具体来说是微电子行业里的 EDA 软件，这也是芯片行业最主要的领域之一。

抱歉啊，昨天和 hr 确认了一下，说是得全日制本科及以上的学历

对，一般是线上面，两轮面试

发的这个岗位 12K-22K * 16 月

补充一句：不卷。 早 9 晚 6，到点下班。 如果要加班，需发起审批，并会有加班补贴。

虽然现在也有 RAG+ 微调的研究，但楼主这种 RAG 的场景，是不用再训练模型本身的，无论是用 chatgpt、文心一言之类的开放的 openapi，还是自己私有化部署开源的 chatglm 之类，都不用重新训练模型。楼主要做的，就是把数据规整好，存到向量数据库，真正用的时候，就是先把 query 做向量检索出 top n 的信息，然后用大模型提炼总结一下。 网上直接上传文档就能使用的那些，不过是把规整数据&存入向量数据库&对 query 进行 embedding 和向量检索这些事都做了，也就是楼主图中的 1-11 这些步骤，全部自己搞的话，就是需要把这些步骤自己实现一下。

你描述的是经典的 RAG 应用场景，有很多开源的方案，比如 RAGflow，自己裸写成本也不高，比如快速用 langchain 实现一个 demo（虽然 langchain 有些过度封装，灵活性差）。需要的资源一是大模型 API、一是向量数据库，可以去百度云、阿里云看看价格。RAG 要做一个 60 分的产品很容易，要做到 80 分以上还挺难的，涉及到你现有数据的规整，也涉及到很多技术细节（比如 chunk 分隔、rerank 等等）。

楼主在哪个城市？多多交流