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...

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

共享屏幕讲代码，而且选中了一个我最不熟悉的，且刚刚写上去的ai项目。当时打开的是我自己写的版本，讲着讲着发现有些只是个壳，里面没写代码，当时我很尴尬，后面就是打开了完整源代码版本硬讲。没想到竟然还过了，可能毕竟是几百人的小厂，而且是那种医院相关的业务。

今天拼多多后端一面，给我干沉默了一次。 提前说：我字节一面过了，以为拼多多差不多，结果完全不是一个量级。 【题目流水账】 HashMap数据结构，说清楚扩容机制，为什么用红黑树而不是AVL树。（我说到一半说错了，面试官直接打断："那个不对，重新说"，全程很直白） ThreadLocal原理，说一下内存泄漏的情况以及如何避免。 MySQL索引，B+树结构，为什么不用B树，磁盘IO怎么估算。 手写代码：LRU缓存，要求O(1)读写。我写了LinkedHashMap方案，面试官说：好，现在不用库，手写一遍。 手写完之后面试官突然问：你投递了多少家公司，用什么管理进度？ （这个我没...