1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

忽然收到了面试邀请 有没有友友有面经分享 投了这么多 第一个面试机会

妈呀不会给我挂了吧  

1、自我介绍2、我看你做了3个项目, 讲一下你觉得最具代表性的项目3、项目的Agent怎么设计的4、Agent 基于什么框架一般会基于 LangChain 或者 LangGraph 这类框架来实现。如果任务流程比较线性，比如“识别任务 -> 调工具 -> 汇总结果”，LangChain 就够用，因为它比较适合快速搭建工具调用链路和 Prompt 编排。如果任务流程里状态比较多、分支比较复杂，比如失败重试、条件跳转、多轮状态推进、人工确认节点这些，LangGraph 更合适，因为它本质上是图结构编排，更容易描述有状态的 Agent 工作流。如果是校招项目或者实习项目，比较常见的做法是...