最近准备面试的时候，发现一个很现实的问题：很多时候不是我完全不会，而是面试官一追问，我就很难马上把答案组织好。比如这些问题：“你在这个项目里主要负责什么？”“这个功能的难点在哪里？”“为什么这么设计？”“如果数据量变大，你会怎么优化？”“这个项目和我们岗位有什么匹配点？”这些问题单独看都不难，但放到真实面试场景里，尤其是远程视频面试，一紧张就很容易说散。后来我复盘了一下，发现自己最大的问题不是知识点没准备，而是：简历经历没有结构化表达。项目明明做过，但讲的时候容易变成流水账；技术点明明知道，但说出来没有重点；岗位JD看过，但没有和自己的经历建立对应关系；面试官追问细节时，临场组织语言很慢。所以...

所以这种问题（问在不在xxx）到底应该怎么回答啊

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...