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，...

两段实习……春招好冷淡啊，投了一大堆，约面俩，都过了十多天没动静，其它也没动静，boss已读不回哎，怎么办啊，焦虑死了……

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

面试时间3.12八股讲讲 channel 如何实现进程间通信讲讲Go的内存管理和GCredis是单点服务，如何改造k8s pod的节点亲和性项目因为项目和Agent相关，又问了许多llm的东西如何评估Agent效果worker goroutine panic了怎么办讲讲embedding模型算法给一个长整数字符串 如 23256，给个位数集合 A 如 A={}构造小于 S 的最大整数场景我们每天都有上万条数据和上百万的流量，如何保证mysql的稳定性和可用性