字节 AI 应用岗：一次挂掉之后的「补洞笔记」 简历里是 法律咨询 RAG + 三工具 Agent demo（搜索、计算器、文档查询）。去之前我以为主战场是八股，结果整场几乎没碰 Transformer，全在问 效果凭什么信、数据怎么切、Agent 错了谁兜底、你对公司产品在用什么颗粒度思考。 下面这篇不按面试时间表写——那张表别人已经写烂了。我按 「如果重来，我会怎么准备」 的顺序，把当时没接住的题，补成一份可以对着改的参考答案；只在章节末尾用一两句带一下「当时卡在哪」，避免整篇读起来像流水账复盘。 0. 这类岗实际在筛什么（先立坐标系） 应用向 AI 岗（偏 Agent / RAG / 产...

收藏我了是进人才储备池了还是有戏了😂

华为这一块还是权威👍

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...