Preskoči na glavni sadržaj

PaiSmart RAG baza znanja projekat: Enterprajz AI baza znanja praktičum tutorial

Chenmo Wang ErZnanje planetaPraktični projekat3440 reči11 minuta

Svaki put kada uređujem CV, vidim mnogo planetu članova još uvek se trude nadostava hrane irecenzije, imam osećaj nemoći. Ne kažem da ova dva projekta nisu dobra, ova dva projekat su dovoljno odlična, samo previše korišćena.

Ako niste 92 zadnji master glavni takmičar, ne preporučujem ih da koristite, jer stajći na stavovi intervjuera gledišta, oni previše videći će im se glava. Svi mogu razmišljati da li je ovaj princip. 😄

Naravno, kažu dadostava hrane irecenzije su sveprisutne, sigurno moram pružiti neka rešenja.

Evo, kroz 4 meseca, PaiSmart RAG baza znanja projekat konačno je završen (uključujući source kod i tutorial, sve isporučeno vama)!

Nije lako.

PaiSmart je septembra 2025. godine objavljen, do sada, već postigao vrlo zapažene rezultate, evo ja pokazat ću.

Iskreno rečeno, videći ovo, možete bez razmišljanja leteti na ovaj projekat, jer ovo je samo vrh ledenog brega. Skenirajte sledeći kupon (ili duže pritisnite automatski prepoznaj) da otključate PaiSmart source kod i tutorial, planeta trenutno cijena 169 juana/godinu, popust samo treba 139 juana, svaki dan manje od 0.38 juana, apsolutno super vredno.

PaiSmart kako se napisati na CV: https://paicoding.com/column/10/2

Ovaj sadržaj ja ću prvo odvesti sve da razumeju šta je PaiSmart, zašto ja radim PaiSmart ovaj enterprajz nivo RAG bazu znanja? Šta AI projekat može naučiti sve? I kako otključati PaiSmart source kod skladište i tutorial?

Jedan, PaiSmart poreklo

Planeta članovi koji poznaju Tehnički Part bi trebali znati, PaiSmart originalno je Tehnički Part praktični projekat jedan deo, glavni servis je sa AI veliki model chat dijalog (nema retrieval augmented generation).

Tehnički Part ovaj projekat je takođe vrlo klasičan, pomogao je 24, 25, i 26 klasama studentima da dobiju mnogo iznad očekivanja offera, mi ovde nećemo mnogo pričati, samo zalepimo jedan dobru vest, jedan planetu član oslanjajući se na Tehnički Part iMianZhi NiXi, dve nedelje poslao aplikaciju dobio XiaoHongShu svaki dan staž.

Ako možete ozbiljno naučiti Tehnički Part projekat, imaćete vrlo mnogo, uglavnom sve tehnološke stackove koje enterprajz web razvoj projekat koristi, Tehnički Part sve pokriva.

Da bismo nastavili autentičnu kraljevsku krv, sam prebacio PaiSmart ova tri reči na novi RAG projekat, to jest onaj što sada vidite PaiSmart AI baza znanja projekat (interfejs je vrlo čist 😄).

AI baza znanja poreklo, naravno ili DeepSeek tek pojavio se tada, sam lokalno koristio Ollama+DeepSeek+Anythingllm podigao lokalniMianZhi NiXi bazu znanja, tada sam osećao ova stvar prilično zanimljivu. Baš tad planetu član Lan je došao ka meni da kaže, da li zajedno nešto uradimo, ja sam mu dao ovu ideju da on realizuje.

Tada nisam imao velika očekivanja, jer od idea klicanja do cvetanja i ploda, stvarno teško, ali Lan veruje obećanje, brzo je postavio bio. Koristio mnoge tehnološke stackove koji mislim da su svima vrlo korisni za zapošljavanje, na primer JDK17, ElasticSearch, MySQL, Redis, MinIO, Kafka itd, i uključuje mnogo AI znanja, na primer sada veoma popularnu RAG tehnologiju.

Aprila 2025. godine, slučajnost, ja i prijatelj[Wo Tang Ne]ćaskom smo pričali o ovom projektu, on je već tiho postao front-end majstor, zato sam ga direktno pozvao da radi front-end, ovako, naš PaiSmart tim je formalno osnovan.

Sledeći projekat školska regrutacija Part, planiram dodati i MCP i Agent. Zato, ovaj projekat u AI eri, apsolutno je zvezdasta, fenomenalna praktična projekta.

Dva, PaiSmart tehnološki stack

Prvo kažem bio:

  • Framework/zavisnost menadžment : Spring Boot 3.4.2 (Java 17)+Maven
  • Baza podataka : MySQL 8.0 + Spring Data JPA
  • Keš : Redis
  • Pretraga mašina : Elasticsearch 8.10.0
  • Poruka red : Apache Kafka
  • Fajl skladište/analiza : MinIO + Apache Tika
  • Sigurnost autentifikacija : Spring Security + JWT
  • AI integracija : DeepSeek API/lokalni Ollama+Doubao Embedding
  • Real-time komunikacija : WebSocket
  • Reaktivno programiranje : WebFlux

Zadnja celokupna projekat struktura:

src/main/java/com/yizhaoqi/smartpai/
├── SmartPaiApplication.java # glavna aplikacija ulaz
├── client/ # eksterni API klijenti
├── config/ # konfiguracione klase
├── consumer/ # Kafka potrošači
├── controller/ # REST API tačke
├── entity/ # podaci entiteti
├── exception/ # custom izuzeci
├── handler/ # WebSocket handleri
├── model/ # domen modeli
├── repository/ # podaci pristup sloj
├── service/ # poslovna logika
└── utils/ # alatke

Front zapravo koristi tehnološki stack takođe vrlo nov, uključuje:

  • Framework : Vue 3 + TypeScript
  • Gradnja alat : Vite
  • UI komponente : Naive UI
  • Stanje menadžment : Pinia
  • Ruter : Vue Router
  • Stil : UnoCSS + SCSS
  • Ikone : Iconify
  • Paket menadžment : pnpm

Front celokupna projekat struktura:

frontend/
├── packages/ # ponovljivo upotrebljivi moduli
├── public/ # statički resursi
├── src/ # glavna aplikacija kod
│ ├── assets/ # SVG ikone, slike
│ ├── components/ # Vue komponente
│ ├── layouts/ # stranica layouti
│ ├── router/ # ruter konfiguracija
│ ├── service/ # API integracija
│ ├── store/ # stanje menadžment
│ ├── views/ # stranica komponente
│ └── ... # drugi alati i konfiguracija
└── ... # gradnja konfiguracija fajlovi

Tri, PaiSmart tehnološka arhitektura

Vidim sliku, i PaiSmart RAG baza znanja je prilično saglasna, ja direktno lepljem, pogodno za sve da prvi put pogledate.

Dno veliki model koristimo DeepSeek. Gornji posao je, kada bacite privatne Word, PDF, txt PaiSmart, on će automatski vršiti vektorizaciju procesiranje, podržava veliki fajl prekid nastavljanje i fragment upload, fragment status koristi Redis BitMap da čuva, fajl sam kroz MinIO skladišti.

Konkretno, sistem će koristiti Apache Tika iz dokumenta ekstraktovati čist tekst informaciju, zatim dugu dokument inteligentno seče na više semantički kompletnih tekst blokova.

Zatim pozovi Ali Embedding model, tekst blok konvertuje u 2048-dimenzionalni vektor reprezentaciju, ovi vektori mogu uhvatiti tekst duboku semantičku informaciju. Zatim, će sve vektor podatke i originalni tekst sačuvati u Elasticsearch, formirajući moćnu bazu znanja indeks.

Kada korisnik postavi pitanje, PaiSmart će kroz ElasticSearch vršiti hibridnu pretragu: prvo semantički vektor pretragu, zatim ključne reči precizno rangiranje. Istovremeno, će prema korisnikovoj organizaciji dozvoli automatski filtrirati korisnikovim dozvoljenim pristupom dokument sadržaja.

Nakon toga, sistem će te informacije kao kontekst, zajedno sa korisnikovim pitanjem poslati DeepSeek. DeepSeek će bazirano na našem dobro formiranom Prompt generisati tačan, relevantan odgovor. Celokupan dijalog proces koristi striming output, korisnik može real-time videti AI odgovor proces, iskustvo veoma glatko.

Četiri, zašto učiti PaiSmart?

U veliki model preplavlju svet danas, posedovanje mainstream Java tehnološki stack i AI inženjering sposobnost postalo je student i radni ključ da istakne se u zapošljavanju.

Ali interni planetu član izjavio, sada nema RAG CV ne može proći, relevantne AI veliki model projekat sada stvarno vrlo popularan. I takođe HR departament rekao, treba regrutovati ljude koji razumeju malo veliki model.

Planeta takođe vrlo mnogo planetu članova hitno čekaju PaiSmart ovaj RAG projekat, verujem ne trebam previše opisivati, svi takođe znaju AI projekat sada koliko je popularan.

Kroz 4+ meseca poliranja i taloženja, PaiSmart kod i dokumenta 29. jula 2025. tog dana se može reći da je završena.

Verujem, PaiSmart ovaj projekat sigurno može rešiti svima hitne probleme; takođe verujem, svi će u nadolazećem zapošljavanju veličajstveno pokazati.

Planeta je već imala front-bekend separaciju projekat Tehnički Part (unutra takođe ima AI chat dijalog servis), i mikroservis projekat PmHub, i točak projekat mydb, uključuje Spring AI i Agent školska regrut Part (istovremeno drugi projekat) itd, ovi su dovoljno da svi "piju jedan lonac", tutorial i source kod način dobijanja može pogledati 👉 planete prvu postavljanu temu Planeta član mora videti.

PaiSmart tutorial: https://paicoding.com/column/10/1

PaiSmart glavni tehnološki stack i ovi projekti tehnološki stack su takođe potpuno ne preklapaju, naročito RAG uključuje seriju AI relevantne sadržaje, može svi u AI eri jesti dividendu.

Dođimo gledati svaki tutorial broj reči, RAG intervju pitanja 27 pitanja, ukupno 10271 reči, i ja odgovoran za ručno crtanje sliku; arhitektura dizajn deo 25 intervju pitanja, ukupno 11277 reči, tržište može postići ovaj nivo tutorial, ja usudio da se kažu prsa, apsolutno vredni 100+ juana ulaznice.

Super super super niska cijena dala svima, idete u druge institucije/društva poređenje, ovu hardkor tutorial i source kod najmanje cijena 1999 juana, sada mi samo stošću nekoliko, cilj je što više smanjiti svih novčanik teret, nadam se koristiti svoju maksimalnu iskrenost, da osvojim sve srca i usta.

Pet, kako intervjuer predstaviti PaiSmart?

Odgovor:

PaiSmart kao baziran na RAG arhitekturi enterprajz AI baza znanja sistem, njegovo ključno značenje je rešiti moderan enterprajz znanje menadžment bolne tačke, promovišu organizaciju inteligentnu transformaciju. U informacija eksplozija era, enterprajz akumulirao mnogo dokument materijala, ali tradicionalni fajl menadžment način dovodi do znanje ostrvo ozbiljno, zaposleni teško brzo dobijati potrebne informacije, ozbiljno utiče na rad efikasnost.

PaiSmart kroz integraciju Apache Tika dokument analizu, Doubao Embedding vektor model, Elasticsearch hibridnu pretragu tehnologiju i DeepSeek API, konstruisao kompletan pametan znanje procesiranje pipeline.

Sistem može automatski analizirati Word, PDF, TXT itd dokumente, nestruktuirane informacije konvertuje u pretragu znanje imovinu. Važnije je, bazirano na semantičkoj razumevanju vektor pretraga tehnologija probija tradicionalnu ključnu reč mečivanje ograničenje, korisnik kroz prirodni jezik opis može dobiti relevantne sadržaje.

Sa različito od zavisnosti od pred-obučenog modela, RAG može real-time pretraživati najnovije enterpriz interne znanje, izbegavati model halucinaciju, održavati odgovor tačnost. Pored toga, PaiSmart takođe realizovao sitno zrnasto multi-teasant dozvolu kontrolu, osigurava različite departmane i nivo korisnici samo mogu pristupiti autorizaciji opseg znanja. Striming AI chat funkcija takođe može učiniti znanje dobijanje prirodnije i efikasnije.

Ako intervjuer nastavi da gonja: šta znaš o RAG tehnologiji? Možeš ovako odgovoriti.

RAG, to jeste retrieval augmented generation, trenutno AI oblast važna tehnologija, ona vešto kombinisala informacija retrieval i tekst generacija dve velike sposobnosti. Jednostavno rečeno, RAG je dopustiti AI pri odgovoru na pitanje, prvo "potražiti materijal", zatim bazirano na pronađene relevantne informacije generisati odgovor, ne samo oslanjajući se na obuku sećanje da "iz vazda prazmišljaš". Ovaj način efikasno rešava veliki jezik model halucinaciju problem.

U mom učešću PaiSmart projekat, mi duboko praktikovali smo RAG tehnološku arhitekturu. Konkretno, naš sistem podeljen je tri ključna faze:

  • Prvo je znanje ulaz faza, mi koristimo Apache Tika analizirati razne formate enterpriz dokumente, zatim pozovemo Doubao Embedding model tekst konvertovati u vektor reprezentaciju, i sačuvati u Elasticsearch.
  • Drugo je retrieval faza, kada korisnik postavi pitanje, mi takođe pitanje vektorizujemo, zatim u Elasticsearch vršimo hibridnu pretragu, uključuje tradicionalnu ključnu reč mečivanje, i uključuje bazirano na vektor sličnosti semantičko pretragu, osigurava može pronaći najrelevantnije znanje fragmente.
  • Konačno je generacija faza, mi ćemo retrieval relevantne dokumente kao kontekst, zajedno sa korisnik pitanjem poslati DeepSeek, dozvoliti AI bazirano na stvarnom enterpriz znanju generisati tačan odgovor.

Kroz PaiSmart projekat praksu, duboko sam osetio RAG tehnologija vrednost. Ona ne samo rešava veliki model znanje ažuriranost zastao problem, važnije je za enterprajz nivo AI aplikacija pružila pouzdan tehnološki put. Ovaj "postojeći dokaz" AI Q&A način, dopušta enterpriz korisnici mogu sigurno primeniti RAG sistem u stvarnu poslovnu scenu, stvarno realizovati AI tehnologija spuštanje.

Šest, PaiSmart pruža koje veliki model razvoj iskustvo?

01, RAG

PaiSmart najjača sposobnost je RAG, kasnije još planiram dodati MCP i Agent sposobnost, može se reći pokriva ceo veliki model aplikacija razvoj spuštanje iskustvo, i mi ćemo oko RAG AI relevantne neke visoke frekvencije intervju pitanja sve probiti do kraja.

02, dokument upload i analiza

Kako upload dokument? Uključuje prekid nastavljanje i fragment upload.

Kako korisnik upload dokument konvertovati u pretragu semantički vektor?

Kako kroz ElasticSearch realizovati hibridnu pretragu, uključuje ključnu reč pretragu i semantičku pretragu?

Sve su RAG vrlo ključni sadržaj moduli.

// dokument procesiranje tok: analiza -> fragment -> vektorizacija -> skladištenje
public void vectorizeFile(MultipartFile file, String userId, String orgTag, boolean isPublic) {
    // 1. dokument analiza i fragment
    List<String> chunks = fileParsingService.parseAndChunk(file);
    // 2. batch vektorizacija
    List<float[]> vectors = embeddingClient.batchEmbedding(chunks);
    // 3. konstruiši dokument objekat
    List<EsDocument> documents = buildDocuments(chunks, vectors, metadata);
    // 4. batch skladištenje
    elasticsearchService.bulkIndex(documents);
}

Tradicionalna baza podataka sadržaj upit uglavnom zavisni od "ključne reči mečivanje", na primer MySQL često koristi like xxx%, ovaj za upit preciznost zahteva veoma visoko, ako mi upit "kako pružiti programiranje tehnologiju", onda baza podataka samo "Java, Python itd programiranje jezik tutorial", onda ne može pretražiti bilo koji sadržaj.

Ali vektor baza podataka može efikasno rešiti ovaj problem, ona će različita znanja pretvoriti u grupu podataka (vector), ovi vector mogu predstavljati znanje sadržaj i karakteristike, kada u RAG bazi znanja unosimo tražene informacije, sistem može unos informaciju takođe pretvoriti u grupu podataka, zatim pronaći najrelevantnije znanje, tako realizovati "semantičku pretragu".

Ali bazirano na vektor bazu znanja semantička pretraga, iako rešila tradicionalnu ključnu reč mečivanje ograničenje, ali očigledno ključna reč pretraga ova scena još uvek potrebna, zato PaiSmart istovremeno ima ključnu reč retrieval i semantičku retrieval dve sposobnosti.

03, integracija DeepSeek i Doubao Embedding

Integracija veliki model API inženjerska praksa, na primer kako integrisati DeepSeek, realizovati striming respons i multi-round dijalog?

Kako integrisati Doubao Embedding za dokument fragment semantičku konverziju?

Iako takođe kako kroz WebSocket realizovati real-time komunikaciju, postepeno push generisanje sadržaja?

Kako kroz Redis realizovati multi-round dijalog sećanje?

Sve su AI era vrlo ključne tehnološke sposobnosti. Pored poziva DeepSeek API, mi takođe podržavamo lokalni privatni DeepSeek R1 model implementacija.

Sedam, PaiSmart pruža koje enterprajz tehnološki stack?

01, Spring Boot 3.4.2+JDK17

PaiSmart baziran na Spring Boot 3.4.2 verziji, koristi Java 17 kao razvoj jezik.

Ovaj put zaista ne koristi JDK 8, 🤣

02, Kafka+Redis+MinIO

PaiSmart kroz Kafka realizuje asinhron zadatak raspored, koristi Redis keš optimizira dijalog kontekst menadžment, baziran na MinIO realizuje veliki fajl fragment upload i prekid nastavljanje.

Redisstandardizovana intervju pitanja ne treba mnogo pričati, ima MianZhi NiXi Redis deo, Tehnički Part i PmHub nisu koristili Kafka, koristili RabbitMQ i RocketMQ, ovaj put poruka red Kafka direktno dopunio, od sada više ne morate brinuti MQ nema spuštanje iskustvo (završeno).

MinIO, pri procesiranju fajla takođe često koristi, programiranje mačka tada je pomenula, ali Tehnički Part i PmHub nisu primenjeno, ovaj put PaiSmart mi takođe dopunili.

03, ElasticSearch

Integracija Elasticsearch, realizira"ključnu reč+semantičku"dva motora pretragu. Trenutno kroz ES bool should upit realizovao ključnu reč+semantičku pretragu način.

04, Vue 3+TypeScript+Vite

PaiSmart potpuno koristi Vue 3 Composition API, Tehnički Part tada koristio React, jednako rečeno front tri glavna konja samo ostaje Angular.

Stanje menadžment koristi Pinia ovaj Vue 3 zvanično preporučeni stanje menadžment biblioteka, poredeći sa Vuex ima bolju TypeScript podršku i jednostavnije API dizajn. Stanje menadžment moduli uključuju temu menadžment (theme), ruter menadžment (route), tab menadžment (tab), autentifikacija menadžment (auth), aplikacija stanje (app) itd.

U vite.config.ts, PaiSmart konfigurisao kompletan razvoj i produkcionu okolinu gradnju strategiju. Vite konfiguracija podržava okolina varijable učitavanje (loadEnv), realizovao različite okoline diferencirane konfiguracije, na primer razvoj okolina proxy postavka, produkcion okolina optimizacija strategija itd.

Celokupan front koristi Monorepo arhitekturu, u frontend/packages direktorijumu organizovao više nezavisnih funkcionalnih paketa, uključuje axios enkapsulaciju, boja alatke, hooks biblioteku, UI komponente, alat funkciju itd. Posebno vredno pažnje je index.ts HTTP klijent enkapsulacija, projekat baziran na axios realizovao enterprajz nivo request biblioteku, podržava request/respons presretanje, greška rukovanje, request otkaz, ponovni mehanizam itd napredne funkcije.

05, JWT+Spring Security+RBAC

Baziran na JWT+Spring Security realizovao multi-teasant autentifikacija autorizacioni sistem. Kada korisnik uloguje, sistem će iz baze podataka upitati korisnik informaciju, zatim korisnik ID, uloga, organizacija oznaka (orgTags) i glavna organizacija oznaka (primaryOrg) itd ključne informacije sve upakuje u Token.

PaiSmart multi-teasant dozvolu kontrola dizajnirao tri nivoa, vrlo prilegnuo enterpriz stvarnim zahtevima. Prvi nivo je privatni prostor dozvola, sa "PRIVATE" prefiks oznaka organizacije oznake, samo resurs kreator može pristupiti, garantuje korisnik lični podaci apsolutnu sigurnost. Drugi nivo je organizacija dozvola, ista organizacija oznaka korisnici mogu deliti resurs, zadovoljava tim saradnju zahtev. Treći nivo je javna dozvola, označena kao javna resurs svi korisnici mogu pristupiti, pogodno za kompanija objava, deljeni dokument itd scene.

06, Mockito+TDD

Projekat koristi Mockito napomenom vođen test mod,sprovodimo test driven razvoj (TDD) koncept, svaki poslovna funkcija ima odgovarajući test slučaj, uključuje normalni tok i izuzetak tok. Kroz @Mock napomenu kreirati mock objekat, na primer UserRepository, ovako ne treba pravu bazu podataka konekciju, @InjectMocks napomena automatski će mock objekat ubrizgati u testirani servis klasa, ovakva zavisnost ubrizgavanje način čini test vrlo čist i nezavisan.

Osam, otključati PaiSmart source kod+tutorial

Ovaj put da bi se izbeglo piratstvo, ovaj put code skladište koristi pozivnica sistem, ulaskom u planetu, u planetu prvoj postavljanj temi[Planeta član mora videti]može dobiti pozivnicu link, nakon odobrenja može pregledati.

PaiSmart tutorial, ovaj put hostovan na Tehnički Part tutorial, prethodno samo na Tehnički Part vezao planetu član broj, svi mogu otključati pregled.

PaiSmart tutorial adresa: https://paicoding.com/column/10/1

I da brinemo o svim navikama čitanja, mi ćemo takođe u planeti prvi put sinhronizovati.

Ulaskom uErge programiranja planetanakon toga, još možete uživati sledeće ekskluzivne sadržaj servise:

  • 1, Plaćeni dokument: PaiFlow radni tok Agent, PaiSmart RAG, Mikroservis PmHub, Prednja-zadnja separacija Tehnički Part, točak MYDB, ulaz programiranje mačka, Agent+MCP školska regrut Part itd projekat partner 6010,000+ reči tutorial pregled pravo
  • 2, CV izmenu: Pruža vrednost preko 600 juana CV izmena servis, poklon planetu 5000+ visokog kvaliteta CV šablon može se referisati
  • 3, Ekskluzivno pitanje: Ka Erge i planeta gostiju postavite 1v1 pitanje, sadržaj ne ograničeno na offer izbor, učilišta ruta, karijera planiranje itd
  • 4, Intervju vodič: Dobijanje usmereno na školsku regrutaciju, društvenu regrutaciju 4010,000+ reči intervju zapošljavanje strategija "Java intervju vodič" , i Erge LeetCode rešavanje zadataka beleške, YiHui karijera napredovanje puta, Huawei OD baza pitanja
  • 5, Učilište okolina: Stvaramo potpuno uronjenu učilištu okolinu, ima vrhu uznjemanja škola za završni ispit, univerzitetska postdiplomska atmosfera

Do 22. februara 2026. godine, već 13000+ planetu članova se pridružilo planeti, mnogi studenti su posle pažljivog učenja projekta, uspešno dobili željeni školski ili društveni regrut offer, ja nasumično dva primera.

Trenutno, PaiSmart ovaj projekat je takođe završen, svi mogu sigurno letiti 😊. I jednom kupovinom ne treba dodatno plaćati, može dobiti sve plaćene materijale planete, pomaže vam manje skretati, poboljšati učinkovitost učenja.

Korak ②: Poseti planeta postavljenu temu Planeta član mora videti: dobij projekat source kod i partner tutorial

Koliko košta ulazak u planetu? Planeta trenutno cijena 169 juana, vremenski ograničen popust 30 juana, trenutno samo treba 139 juana može se pridružiti.

0 ljudi nakon popusta 69 juana, 1000 ljudi 79 juana, 2000 ljudi 89 juana, 3000 ljudi 99 juana, 5000 ljudi je 119 juana, kasnije sigurno će nastaviti rasti.

Plaćeni društvenu grupu sam se pridružio mnogo, ali nikad nisam video nižu cijenu, pružati više servisa društvenu grupu, samo PaiSmart ovaj projekat može vas vratiti cijenu kartice.

Još rečeno, bilo kad, tehnologija je naša programerički opstanak temelj, ako možete ozbiljno pratiti PaiSmart source kod i tutorial, verujem da će vaše programiranje veština povećati veliki korak.

Još vam prikažem PaiSmart tutorial deo direktorijuma, stvarno puna iskrenost i suvina.

Ranije sam imao planetu član feedback, "Erge, tvojovaj set tutorial ako trening kamp prodaje, 1999 juana smatra se malo!"

Iskreno rečeno, ova cijena neće trajati dugo, planeta već 13000+ ljudi, kasnije još doćiće novi talas rasta (179 juana), zato rano kupi rado uživaj, ne čekaj, razmišljaj o onome idi leti, propuštas ne može reći da kaješ ceo život, ali bar će imati žalost.

Naš kod, strogo prema velikoj kompaniji standardu, bilo celokupna arhitektura, ili specifični detalji, svi su bez zamjerke učili objekti.

Ranije je planetu član pitao: "Erge, tvoja planeta zašto ne cene 199, 299, 399 ja, osećam da planeta pruža vrednost daleko iznad ove cijene."

Odgovor je jasno, imam sopstvene principe, odbijem seći luk, srčano raditi sadržaj, mogu pomoći jedan pomoći jedan.

Ne za ništa drugo, samo da svima pružim održivu učilištu okolinu. Naravno, kako broj ljudi raste, Erge uloži više energije, planeta će takođe rasti cenu, danas ovaj talas 30 juana kupon nije samo 2026. najveći popust intenzitet, već takođe 2027. najveći popust intenzitet, sada kupiti je najisplativije, ponovo oklevati samo možeš čekati rast cene.

Razmišljaj, QQ muzika sluša muziku kontinuiranu godinu treba 88 juana, Tencent video kontinuiranu godinu treba 178 juana, Tencent sport godinu 233 juana. Verujem, Erge programiranja planeta ti vraća, biće 10 puta čak stotinu puta vrednost.

Konačno, nadam se studenti, mogu strogo pratiti naše korake! Ne izostaj. Ove godine, sa Erge zajedno se okrenuti, zajedno napredovati, zajedno unaprediti, zajedno dobiti visoku platu offer!

Bilo da je društvena regrutacija ili školska regrutacija, mi nadamo se da kroz PaiSmart ovaj projekat, možete poboljšati vaš CV kvalitet, dobiti bolji offer, takođe može opuštenije suociti sa intervjuom raznim AI relevantnim ispitivanjima.

Leti.