真正用顺手之后就会发现，AI不是代写工具，更像一个随时在线的结对编程伙伴。我平时最常用的一个技巧，就是先拆结构，再填代码。不让AI直接写完整逻辑，而是先让它出流程图、函数划分、调用关系，结构对了再补实现，这样后期改起来成本低很多。提示词尽量结构化，把语言版本、编码规范、异常处理、注释风格都写清楚，比如“C++17、简洁注释、边界判断前置、禁止裸指针”，生成的代码会非常贴近工程习惯。遇到bug时，别只甩报错。把关键代码片段+上下文+你已经试过的排查方法一起发，AI能快速跳过无效方向，精准定位问题。还有一个小习惯：让AI写完后，再让它做一次代码审查，挑潜在问题、优化逻辑、简化写法。长期下来，既能提高开发效率，也能在对比中慢慢学到更规范的写法，越用越顺手。

1. 你的RAG项目主要什么作用2. RAG项目工作流程是什么3. 你的RAG项目出现问题，怎么进行排错4. 大模型微调过程中数据预处理的步骤有哪些？5. 如何解决大模型Agent的工具调用 幻觉问题？6. LoRA微调技术是什么？7. 大模型Agent的记忆机制分为哪几类？8. 大模型后端部署常用的框架有哪些？9. 全参数微调与轻量化微调的适用场景分别是什么？10. 大模型Agent实现复杂任务规划的核心方法有哪些？11. 大模型推理服务的性能优化手段有哪些？12. 如何设计大模型微调后的效果评估体系？13. 大模型Agent对接第三方API时，后端如何做接口鉴权、限流与异常捕获？14. 大...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.实习拷打2.项目是不是练手项目3.做项目的时候有哪些挑战4.分片键的选择、数据表怎么设计的5.跳转的时候是重定向吗6.有没有压测过，大概能达到怎样的QPS面试官中间还说了主要是关注生成速度、准确性、访问速度这些，结果最后只问了QPS7.如果和实际已经有的一些系统类比，在实际高并发场景下，这个项目是否能支持，需要做哪些优化8.生成ID是否也会是一个瓶颈，比如ID的容量要怎么扩充9.什么时候需要做分库分表10.缓存击穿做了哪些缓解措施11.熔断降级是怎样做的?有没有可以让用户无感知的降级12.知识库怎么构建的?13.工具调用的具体流程14.模型在工具调用的哪些环节发挥作用了15.我的练手项目让大模型来写能不能完成16.平常的科研学习受到了大模型发展的什么影响开放性题目:1.最近关注了什么AI发展的新技术吗?对你自己的学习有没有什么启发或者帮助?2.科研或者做项目的时候有没有遇到什么困难，最后怎么解决的

（分享面经攒人品）面试老师超温柔、超好。第一次面试就这样给团子了。整体下来给我的感觉就是自己太紧张了，答不是很流畅、没怎么分点，回答的比较乱。大概率要g。---------------一面结束第二天收到二面邀约。二面时自我介绍依旧紧张，后边聊嗨了就挺顺畅。------------Timeline-------------4.11 笔试4.13收到一面邀约4.15一面4.16二面邀约4.17二面------------一面-------------------自我介绍项目拷打（半个小时）实习拷打（十几分钟）八股MySQL的索引结构为什么用B+树；一条SQL的执行流程；间隙锁的作用；怎么优化慢SQ...