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...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

🕐面试时间：26.4.3-一个小时💻面试岗位：Java开发❓面试问题：自我介绍介绍实习的慢SQL优化如何看待慢SQL排查与优化工作的主动性(被动救火优化)？是否存在更前置的风险防控思路？当已知某条SQL执行不符合预期（如要求优化至100ms以内），您的系统化排查与优化思路是什么？聚簇索引与普通索引的核心区别，以及各自典型的应用场景。如果利用AI自动化识别项目中因索引设计不当导致的回表性能问题，技术实现思路是怎样的？反问业务和流程聊AI和如何与工作结合🙌面试感想：问问题也就是25分钟，后续就是反问和闲聊了，无手撕。