我还记得24年研究RAG的时候，压根没有想到，后来技术的发展，大模型的上下文能长成现在这个样，而且随着技术进一步发展，其实Memory的加入确实能让Agent的上下文能力变得很强，但真当面试时如果被问到这个问题，你得清楚，其实是一个非常典型的面试陷阱。（我准备的答案在文末）为什么这么说？如果你跟风回答“会”，面试官很容易判断你缺乏工程落地经验，也没有真正考虑过成本问题。但如果你回答“不会”，面试官往往又会继续追问：既然不会，那现在模型拼命把上下文窗口做到几百万Token，难道方向错了吗？RAG还有存在的必要吗？你会觉得，这道题似乎怎么回答都不对：说“会”，显得外行；说“不会”，又像是在否定技术...

一股神秘的力量，我是不是被资本做局了

周五面的 1.你用openclaw做什么？2.用agent能不能做3.你现在研究的agent调用量很小，那如果调用量特别大，会出现什么问题，你怎么优化4.你提到了压缩上下文，怎么压缩，我传超大上下文有问题吗？上下文很杂乱怎么办，你怎么去查找你想要的5.你了解rag吗6.你怎么做的rag7.流式返回怎么做的，为什么选webflux，还有什么？8.如果你召回的精度不高，怎么提升9.es用什么存储向量10.你怎么去es查向量11.平常怎么用aicoding12.aicoding生成的代码不是你想要的你怎么办，不断问他？有什么提效方式问了5分钟实习八股：1.怎么优化慢sql2.索引失效直接结束了，无算法，反问聊了会儿ai全ai拷打，反问时候问了，面试官说他们部门全体转型ai最近变化会很大，对ai需求非常大，感觉应该要挂，因为我ai就是三脚猫功夫，其实不怎么懂，等等周一结果。

三分钟后，导师回了句："会议室聊。" 我心里咯噔一下，以为自己搞砸了什么。 结果推开门，导师指着我的压测方案说："这个思路不错，但你有没有考虑过极端场景下的降级策略？" 我愣了两秒，开始在白板上画架构图。 那天下午，我们在会议室里讨论了三个小时，从容量规划聊到熔断机制，从数据库连接池聊到缓存穿透。导师一边听一边点头，最后说了句："这个方案可以，下周技术评审你来讲。" 我当时还以为他在开玩笑。 在拼多多实习，你会发现一件事： 这里没有"实习生就该打杂"的潜规则。 你负责的模块，可能直接跑在千万级并发的生产环境里。你写...