你是否想打造一个靠谱的知识客服，或是搭建能精准回答问题的知识库？这就绕不开一项核心技术——RAG（Retrieval Augmented Generation），中文译为“检索增强生成”。听起来高大上的技术，核心逻辑其实很简单：先从资料库里检索相关内容，再基于这些内容生成答案，即“先检索、再生成”，这也是其名称的由来。作为目前最常用的AI问答方案之一，RAG已广泛应用于企业知识助手、智能客服等场景。本文将从应用场景、核心原理、流程拆解、专业名词解析等方面，带你全面掌握RAG技术，搞懂高质量智能问答系统的构建逻辑。前言我认为AI的基础知识是现在求职和实际工作所必须掌握的，不管是算法还是后端前端岗...

面试前拼命背八股，结果没问先是介绍他们做的方向然后问我是否跟我的意愿匹配开始技术面：因为第一个项目22年的了，估计是觉得我印象不深了直接跳到后两个1.你的dots项目里那俩功能是怎么实现的？详细说说按照逻辑叽里咕噜说了一堆（这里我觉得说项目之前应该让ai给一个大致的稿子，这样说起来条理更清楚一点）2.1说说你的ab包更新的流程叽里咕噜说一堆，反正就是先下载服务器上的对比文件，然后跟本地的进行比对，有更新就下载到本地2.2 那你下载更新的文件到本地是怎么个流程先把目标文件夹下的旧文件移动到专门放临时文件的文件夹然后从服务器下载更新文件到目标文件夹，假如下载失败再把旧文件移回目标文件夹2.3 你这样做有啥好处有啥坏处好处就是万一更新失败还有老版本资源可以使用，不至于之后正常运行出错，坏处的话我还没想过这方面2.4 你ab包处理资源依赖是怎么做的我有个字典 在获取想要的资源前，先遍历需要的依赖资源，字典没有就拿出来放到字典，最后再把需要的资源放到字典然后调用2.5 假如我有个a资源依赖b资源，b资源依赖c资源这样嵌套怎么办我的项目没考虑这个问题，但我觉得还是用字典保存所有的资源，然后递归遍历依赖资源就行。2.5 你前面那个dots项目里自己做了个动画系统，可以控制每帧的播放时间，在普通的项目里用animator可以实现吗给我问蒙了，我说我没这么做过，但是我感觉可以直接调用动画那边的api就能实现（当时紧张的不知道说啥了）反问环节：1.您感觉我今天表现咋样（当时脑子进水了，面完反问自己当时为啥要问这个）面试官苦笑一下，挺好的2.之后实习到秋招实习到转正有什么培养方案吗面试官直接说：实习到转正肯定是有考核的，然后都有人带，定期也有技术分享会之类的总结一下：第一次面试给了畅游，面完感觉希望不大，但是确实项目方面的准备少了，至少要把每个功能的实现方面讲清楚（感觉可以让ai给个稿子背一下，然后把具体实现部分再回顾一下），八股算法没问也确实轻松不少（并非）面试管人挺好的。

1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？