求拼多多前端面经

一本，产品，27届。为了暑期实习在北京租了个房，结果这周一天排了3家面试，从朝阳区跑到海淀区再跑回朝阳区，地铁上还在背产品分析框架。早上10点一家，下午2点一家，晚上6点还有一家视频面。中午在便利店吃了个饭，差点错过下午的签到。投简历阶段更崩溃，不同公司的系统完全不一样，有的要上传PDF，有的要在线填，有的还要重新注册。后来用网申助手先把基础信息填好，至少不用每家都从0开始敲。提醒一下要异地实习的uu：租房一定要离地铁近，面试别一天排超过2家，真的会猝死。你们面试一天最多排几家？有异地实习租房的经验吗？

大佬们，我快顶不住了。up四非本211硕投了三十家了，只有滴滴给了面试，但是是处女面，一面挂了。美团笔试做了后似乎太差，三个志愿都挂了华为笔试挂网易笔试挂京东投了没给面，一直泡池子百度一直挂一直投快手也是一直挂一直投阿里10个已经挂了7个，剩下三个估计也没戏了字节给面，约了下周三腾讯还在池子里pdd估计这两天笔试其他的厂都是投了没鸟我想请教一下大佬，是简历有问题么需要补充ai的项目进去么，要做rag的项目么还是agent感觉自己凉的不能再凉了啊，周围的同学基本都拿到offer了，好焦虑

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...