我看你们的面经，很多场景题我根本答不上来啊

如题，今天面试八股基本没问，全程场景题拷打，真的麻了，拷打到最后感觉已经在胡言乱语了，脑袋空空，只想快点结束这场面试。场景题到底要怎么准备，有些问题现场想根本就想不出来啊，就是一点思路都没有，无从下手。有些面试官问的场景题奇奇怪怪，根本就不知道要怎么回答，而且还一点不给引导，我真的力竭了。求求家人们分析分析经验，打广告引流的就别发了

继续来分享下之前的面经~欢迎友好讨论，信息共享1.当时为什么决定选用 RAG 这个技术框架？2.你选择的是哪个 RAG / 哪个向量库？为什么选它？3.你们做了哪些评测对比？4.你为什么要用向量检索（RAG）？为什么不用其他方式？5.为什么不用全文索引（类似某度/某g那种关键词检索）？6.你说大模型有幻觉，那为什么不用更“权威”的全文检索来避免胡编？7.如果用开源全文检索在本地部署、自己喂私有数据，也能搜——那你们当时为什么没选这条路？8.你选的向量维度是多少维？9.这个维度为什么重要？你有没有显示配置/修改过维度？10.你用的切分策略是什么？11.你说按段落/按语义切，那段落有的 100 字、有的 1 万字怎么办？12.你的 chunk size 为什么定 1000 token？这是拍脑袋还是有依据？13.overlap 设多少？为什么这样设？14.你怎么评价/评测 RAG 效果的好坏？

我本身的主力编程语言就是Python，再加上导师的研究方向刚好是机器学习、深度学习，这方面的基础也就自然而然积累了一些。后来也是误打误撞，进入了AI Agent开发相关的岗位实习，整个过程也算实打实的干中学、边做边练。刚接触这块的时候，我最先做的就是梳理Agent的主流开发框架、完整运行流程，先把整体体系摸清楚。等对各类框架有了基础认知后，我就开始往深钻研，吃透每个模块底层的代码逻辑：一边在GitHub上研读优质的开源项目代码，一边仔细扒LangChain官网，把里面的各项功能都研究明白，在这里也特别感谢我的小导豆包老师，帮了我不少忙。把整体框架和流程吃透之后，我就开始深耕各个核心模块，比如深挖RAG模块里的文本分块方式、Embedding实现逻辑、检索增强的实现原理，以及各类优化策略等等，一点点把细节摸透。但这个时候也真的忍不住感叹，AI行业的技术迭代速度实在太快了，我刚把一套技术技能学扎实，Claw Bot也就是现在的龙虾模型就推出了，还是得持续跟进、不停学习。平时也有不少朋友问我，有没有推荐的学习老师或者教程。其实我就是典型的电子蝗虫学习法，不管来源是什么，只要是自己需要的知识点、技术内容，就针对性去看去学，完全按需学习。总而言之，AI行业更新迭代的速度太快了，想要跟上节奏就必须保持持续学习的状态，有时候甚至还要及时跟进顶会论文，才能不落后。以上就是我这段时间的完整学习路径啦，也希望评论区的各位大佬多多指点、不吝赐教。