快手面经

每次看到"应届生别太看重薪资，要看平台和成长"这种话，我都想说——这话没毛病，但它有个巨大的bug：它让很多人真的以为，起薪不重要。可钱怎么可能不重要啊朋友们。尤其在互联网这个今天在明天就可能裁员的行业，除了公司名字和月薪base，什么好业务好老板WLB，说变就变。所以我的观点很明确：起薪，非常重要。👇说说为什么：1️⃣ 起薪就是你的职场定价锚点毕业头几年，是你最容易被"标价"的时候。后面每次跳槽、谈薪、升职，基本都是在当前薪资上往上加。起薪低的人，哪怕每次涨幅都还行，也得花更久才能追上别人。别拿"大佬两年翻倍"来杠，那是极端个例，...

做梦也想不到我敢干这件事，但是我做了

最近总觉得心脏有点不太舒服，就请了3天假去做检查，想着我一个实习生，就算请三天假，也无伤大雅+1之前跟我就不太对付，总挑我的理，说这不行那不行，“你这学历到底是面上来的，当初面你简直大错特错”请假审批都走通过了，我昨天都已经到医院了，+1跟我发消息，说这部分你三天的交接文档有问题，如果你现在不回来解决，你的实习证明还想不想要了？我当时也没想那么多，毕竟就是奔着证明来的，反正也没出市，就赶紧跑回去了。现在想想，他一个人也左右不了问我的证明到底给不给我，早知道就应该装看不见消息了病也没看上，假也没休着....

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...