面试拷打求助

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

1.自我介绍2.实习中印象比较深的一个bug及发现、定位、修复、验证的全链路3.实习中修改的bug里有没有影响生产数据的bug，整体发布的流水线包含的步骤4.部署后发现服务启动失败了如何排查5.修复了哪些代码上的风险漏洞（硬编码等等）6.事务的ACID7.事务在什么情况下会失效8.MySQL的索引为什么能提效，索引失效的场景9.进行版本数据迁移的时候如何保证成功一致性和完整性10.项目中IM系统消息整体从发送到接收的链路设计11.EXCEL导出功能慢如何排查优化12.做了这么多感受最大的点是什么13.对加班的看法反问：1.业务方向：智慧城市、智慧交通、城市级的场景、政府的市里的业务平台、风控、无人机2.流程一共两轮3.总部就在济南那边4.作息时间总结：一共两位老师在面试，面试老师态度语气也非常好，整体面试体验很好

前言这是我的agent系列文章的第8篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏想象一下，你拥有一匹日行千里的神骏，它力量无穷，速度惊人。但如果直接骑上它去送货，结果很可能是：它跑得飞快，却跑错了方向，或者在半路被路边的野花吸引，完全忘了任务。这匹“神骏”就像今天强大的大语言模型（LLM），而Harness，就是为它量身定制的“缰绳”、“马具”和“导航系统”。简单来说，Harness（驾驭层）是...

观牛客有感，感觉大家只有进大厂才算有offer？一堆说自己0offer的，是只投大厂吗？还有现在是不是人均简历上都得有AI项目了？