1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

鼠鼠体检有以下异常，请问下各位佬需要复检吗，还是说会直接pass掉呀😴

1.自我介绍2.业务介绍，类似交付？3.介绍一下RAG4.topk 和rerank什么区别5.Agent范式6.基本的学习方法7.docker and 虚拟机8.k8s9.五层网络协议10.tcp 三次握手11.提示词工程怎么设计12.项目13.基本的数据结构---岗位和我不太符合~