面试官：什么是rag？你理解的rag技术及整体应用流程是什么样的？

RAG 是啥？RAG，全称 Retrieval-Augmented Generation，意思是 “ 检索增强生成 ” 。以前的 AI 模型知识有限，还可能答错或者答得不靠谱，而且企业用起来也不安全。RAG 就是来解决这些问题的！它能让 AI 在回答前先去 “ 图书馆 ” （知识库）搜资料，再给出答案。RAG 怎么干活？RAG 的工作流程简单来说就是三步走：你问我答：用户问问题，比如 “ 今天吃什么好？”，RAG 系统接收到了。翻书找答案：RAG 的 “ 小助手 ” 会飞快地在知识库里找相关资料，比如美食推荐、营养搭配之类的。整合输出：把找到的资料和问题混合在一起，扔进大模型里加工，生成一个超棒的答案，比如 “ 今天你可以试试清蒸鲈鱼，肉嫩味美，还很营养哦！”。RAG 的核心组件RAG 主要有两个核心组件：检索器（Retriever）：就像在图书馆里负责找书的管理员，能在知识库里快速定位到相关资料。生成器（Generator）：拿到资料后，它就像个作家，把资料和问题结合，生成最终的回答。RAG 跟其他技术比有啥厉害之处？对比直接用大模型 API 或者微调，RAG 有这些牛 X 的地方：知识更新快：知识库能实时更新，AI 就能立马掌握新知识，不用重新训练，省时省力。省钱省心：不用大规模重新训练模型，成本大大降低。不会忘事儿：不会像微调那样，在没训练过的任务上表现不好，稳稳地保留了模型的通用能力。不过呢，RAG 也有点小缺点，比如在特别需要深度理解和风格模仿的问题上，可能就没微调那么厉害。RAG 的关键环节和挑战文档切分（Chunking）：把文档切成合适的大小，就像切蛋糕一样，得找到那个完美的大小，不然可能影响检索效率。Embedding 模型选择：选对模型就像给汽车选发动机，直接决定向量表示的质量，影响后续的检索和生成效果。检索效果评估：得时刻监控检索的召回率和精确率，就像给检索系统做定期体检，有问题及时调整。向量数据库的作用：它是高效存储和检索向量表示的中流砥柱，就像给知识库装上了超级导航，能快速定位到相关信息。整体效果评估：要时不时对 RAG 系统来个全方位体检，从生成答案的准确性、相关性等方面打分，确保系统一直在线。

谁懂啊！以为厦门只有海风和浪漫结果深挖发现这座城市的外企才是隐藏王者！双休不加班 + 超高福利 + 神仙氛围打工人直接原地心动💓想在厦门找工作的宝子快码住这份清单！1.百威：六险一金，还有员工子女险，包住宿、两餐2.宝姿：五险一金、弹性工作，员工内购会3.微软：灵活的工作时间、慷慨的假期4.辉瑞：福利完善，假期多，发展机遇好5.索尼：15天年假，五险一金+补充医疗保险6.松下：五险一金，免费班车、多中津贴制度7.戴尔：可远程办公，周末双休，午休两小时8.惠普：14薪，女性友好，对身体障碍人士友好9.汉高：百年德企，弹性工作不打卡，新入职15天年假10.安利：多元包容的工作环境，弹性工作制度，...

做题：验证是不是有效的括号字符串，用栈秒了MySQL，事务特性、开启/提交/回滚事务的语句、redo log、undo log、MVCC机制、主从复制和binlog、隔离级别Redis的主从复制MySQL和Redis的区别是什么C++的虚函数原理、static关键字计网，TCP和udp区别，应用场景，三次握手docker容器，镜像和容器的区别、Dockerfile的FROM指令是干啥的项目遇到了啥困难

一面Java 基础 & 核心你觉得用的比较熟练的技术栈/基础中间件有哪些？（除了 Java 和 Spring/Spring Cloud Alibaba）还用到了其他的中间件吗？消息队列是 Kafka 吗？Java 的多态是怎么实现的？（底层原理方面）Java 里面的泛型是什么？类型擦除是个什么样的机制？怎么理解这个东西？（泛型擦除后）声明一个 List<Integer>，编译完之后可以往里面放 String 类型吗？为什么不能放？是谁控制的？用过 Java 里面的反射没？反射有几个基本的类是什么？（面试官提示“三驾马车”，但候选人不清楚这个说法，后续追问具体类）我们可以怎么...