这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

收藏我了是进人才储备池了还是有戏了😂

Q1：你会如何设计 Agent 的停⽌条件？答案：组合使⽤：模型声明 finish、任务清单全部完成、达到步数/预算上限、超时、连续⽆进展检测、外部成功信号（如测试通过）。⽣产环境必须有 硬上限 防⽌死循环。Q2：⼯具描述（tool description）为什么⾮常重要？答案：模型靠描述做 ⼯具选择；描述不清会导致 选错⼯具、参数幻觉。好的描述包含：何时⽤、何时不⽤、参数含义、错误示例、返回格式。Q3：Memory ⽤向量库就够了吗？答案：不够。向量检索擅⻓相似度，但弱于精确约束与关系推理。⼯程上常⻅ 向量 + 关键词/结构化库 + 图谱（按需），并维护 元数据与权限。Q4：多 Agent ...