长沙领雁科技Java实习面经（2.26）

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 ...

😋😋😋

一面 大约1h自我介绍为什么选择做这两个项目项目为什么选择E2B沙箱，选型的理由，E2B相比其他方案的优点项目为什么基于LangGraph去做短期记忆为什么采用 sqlite checkpointer/长期记忆又是如何实现的openclaw的记忆机制怎么实现的？你有借鉴吗项目设计的思路和理由怎么理解skill？它能解决什么问题/自己写过什么skill/自己怎么写MCP用ai coding工具写代码达不到预期怎么办怎么合成数据集/合成数据集质量达不到预期怎么办prompt如何调优开发过程遇到的问题是什么？如何解决的？如果可以重新设计某一模块会怎么做？原因是什么？如何跟进最新的ai进展？你最近读过...