- Recommendation
- keep_as_capture_thread
- Projection Targets
- hold / archive
- Clarify Count
- 2
- Capture Count
- 1
- Kinds
- question / reference
求职方向、AI应用岗位定位与学历取舍完整总结
多 lane / 多 item 线程的当前处理状态、lane policy 和 source capture。
Thread Summary
这组线程为什么值得单独看
多 lane capture 往往是 handoff 出问题的地方，所以这里把 lane 级别判断单独展开。
Source Preview
求职方向、AI应用岗位定位与学历取舍完整总结
求职方向、AI应用岗位定位与学历取舍完整总结 本次对话围绕「AI应用岗位真实工作内容」「AI应用PM与模型评测PM区别」「业务评测/benchmark/badcase落地方式」「33岁是否有必要补硕士学历」「远程免费国际硕士可行性」五大核心问题，完成了完整、落地、贴合个人背景的职业定位梳理，全部结论基于当下互联网社招真实规则与个人实际背景。 一、核心职业定位：锁定AI应用层，彻底避开模型研发层 1. 工业界绝大多数业务公司不会自研底层大模型，全部是接入外部API（OpenAI、各类国内大模型服务商）。 2. 个人过往积累全部是「使用AI、调试A…
Lane View
每个 lane 现在怎么判
这些内容直接来自 lane-split preview；点 item 可继续往下看单项 detail。
roya-brand
1 items
- 从 Text《求职方向、AI应用岗位定位与学历取舍完整总结》保留问题：求职方向、AI应用岗位定位与学历取舍完整总结
本次对话围绕「AI应用岗位真实工作内容」「AI应用PM与模型评测PM区别」「业务评测/benchmark/badcase落地方式」「33岁是否有必要补硕士学历」「远程免费国际硕士可行性」五大核
先在 clarify / merged 层保留这条内容，再提炼真实任务、状态与主题
Items
线程内所有 active item
这里列的是结构化 JSON 里的 active item，而不是人工再总结一遍。