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...

求助，怎么改进。约面都没有🙂‍↔️  

本人情况：27、学院本、一段小厂实习、Java + AI Agent。从 3 月 16 日开始投递，到现在已经向 2000+ 公司打过招呼，要简历比例 25 ： 1 左右。真正进入面试的更是少得可怜：线上面试大概 5 家左右，另外有 7 家要求线下的机会也全部放弃了。 目前能接触到的岗位，要么薪资偏低，要么公司整体水平较低，对个人长期发展帮助有限。从这个星期开始，每天打开 Boss 直聘都变成一件很消耗的事情。逐渐提不起兴趣，一整页的“送达”像是在不断消磨耐心。那些没有回应的消息，加上大量僵尸 HR 的自动回复，几乎把最后一点期待也一点点耗尽了。这段时间，从系统整理八股，到反复打磨知识体系，再...