面试官问“RAG各模块的优化策略有哪些”，怎么回答？

1. 编程语言（核心）Python（100% 必备）基础语法、函数、类、模块异步编程 asyncio /aiohttp（多工具并行调用）Pydantic（数据校验）Pandas/Numpy（数据处理）Poetry/Pip 依赖管理加分：Go/Rust（性能优化、高并发调度）加分：TypeScript（前端 / Agent 面板）2. 计算机基础数据结构与算法：链表、哈希、栈 / 队列、图、搜索网络：HTTP/RESTful API、WebSocket、RPC数据库：SQL（MySQL/PostgreSQL）、Redis（缓存 / 状态）Linux 基础、Docker 容器3. 大模型（LLM）核心（大脑）主流模型 API：OpenAI (GPT-4o/3.5)、Claude、Gemini、通义千问、文心一言开源：Llama 3、Qwen、GLM、DeepSeek必须掌握：API 调用、参数（temperature、top_p、max_tokens）Function Calling / 工具调用（Agent 灵魂）System Prompt 设计、上下文管理幻觉、长文本、成本优化

嵌入式岗位的简历，本质不是写“我会什么”，而是证明“我解决过什么问题”。大部分人的问题在于：罗列技术栈（C/C++、Linux、FreeRTOS）+简单描述项目功能，这在企业眼里几乎没有区分度。真正有价值的是——你在资源受限、实时性要求、硬件约束下，做了哪些工程级优化。一、项目描述必须“工程化”不要写：实现了一个基于FreeRTOS的任务调度系统要写：基于FreeRTOS实现多任务系统，重构任务优先级与就绪链表结构，将任务切换延迟从X ms降低到Y μs，系统负载提升XX%核心点：指标（延迟、吞吐、占用）手段（调度策略/中断/锁/内存）结果（量化收益）嵌入式=约束优化，而不是功能实现。二、突出...

bad 是一点八股没问啊 全是ai相关的内容1. 自我介绍2. 你说你在百度进行 AI Coding 探索与实践落地 那么你做的这些应用都有啥用 带来了什么提升 为什么要做这个3. mcp是什么 为什么可以帮助你解决上下文过长的问题4. 你prompt是怎么写的 有什么优化手段和使用心得5. 现在给你一个需求你要怎么用aicoding去快速实现6. 你用了啥模型为什么要用这些 有啥区别7. cc codex这些你使用体验怎么样8. 你在百度做的这些东西是你自己的构想还是mt/其他人的idea算法:1. 最长不重复子串2. 两数之和反问:1. ai时代如何停止焦虑 (一直学习)2. 以后是不是ai是基本能力(是 而且没啥前后端之分 往全栈发展吧)咱就是说 我面的不是前端开发吗 就算要问ai也不能全都是ai吧 没招了 转ai得了

AI有四大块，MCP、RAG、Agent以及skill。Agent 本质是一个 “能自主完成任务的应用程序”，没有扎实的开发功底，再好的 AI 能力也只是空中楼阁。后端开发框架核心技能：Java（SpringBoot/SpringCloud）或 Python（FastAPI/Flask），掌握接口设计、服务部署、并发处理。应用场景：Agent 的任务调度、状态管理、外部工具调用，都需要后端框架搭建 “骨架”。比如用 SpringBoot 写一个企业级 Agent 的服务端，处理多用户的任务请求。RAG（检索增强生成）—— Agent 的 “知识库”RAG 是解决大模型 “知识过时、胡说八道” 的关键，让 Agent 能调用外部知识库回答问题。必学技能向量数据库：Milvus/Chroma，掌握文档向量化、相似性检索。比如把公司的产品手册转换成向量存储，Agent 遇到用户提问时，先检索手册内容，再生成回答。Prompt 工程：学会写 “检索 + 生成” 的提示词，比如“根据以下检索到的文档内容，回答用户问题：{检索结果}，用户问题：{question}”。学习路径：先用 LangChain 框架快速搭建一个简单的 RAG 系统，比如 “本地文档问答 Agent”，再深入研究向量索引的优化（比如 HNSW 算法）。MCP 的核心是标准化大模型与外部工具的通信协议，让 Agent 能 “听懂” 工具的输入输出，也让工具能 “理解” 大模型的指令。必学技能工具封装：把外部工具（比如计算器、天气 API、数据库查询）封装成符合 MCP 规范的接口，定义清晰的input_schema和output_schema。协议适配：了解 OpenAI 的 Function Call、Anthropic 的 Tool Use 等主流协议，掌握大模型工具调用的流程—— 大模型生成工具调用指令→Agent 解析指令→调用工具→返回结果给大模型。应用场景：Agent 需要帮用户 “查询今天的天气并安排出行计划”，就会通过 MCP 协议调用天气 API，获取数据后再结合用户的偏好生成计划。Skill 是 Agent 完成特定任务的能力模块，比如 “文本摘要 Skill”“代码生成 Skill”“Excel 处理 Skill”，本质是封装好的函数或工具集。必学技能技能设计：学会拆分通用技能（比如文本处理、数据计算）和业务技能（比如电商订单查询、运维日志分析）。技能注册与管理：用技能库管理所有可用技能，让 Agent 能根据任务自动匹配技能。比如遇到 “生成 Python 代码” 的任务，自动调用 “代码生成 Skill”。学习路径：先基于 Python 写几个简单的 Skill（比如 “Markdown 转 PDF”），再集成到 LangChain 的 Agent 中，实现 “任务→技能匹配→执行” 的流程。