腾讯wxg一面

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。

📍面试公司：Shopee💻面试岗位：Android开发❓面试问题：先来说说选择题吧，一共是10道题，我记得的核心点有： 几种常见插入算法的附加存储开销比较 里氏替换 Kotlin(这是我之前没了解过，直接懵了) Java的方法签名 虚拟内存 HTTPS（默认端口，是否一定安全，是对称还是非对称加密） RetentionPolicy.Runtime，注解什么时候可见 Handler,MessageQueue的区别 简单的Java并发和JVM（当时做到这里才缓了口气，感觉遇见了老熟人） 简单的链表 用Android Intent传输数据，哪种类型的可以直接传（这里也是懵了）再来说说3道编程题吧...

**合合信息一面**1. 容器化部署的优势2. 写单元测试测试接口业务逻辑和性能3. goroutine的channel使用起来的要注意的？channel的使用用途？channel使用用途- 生产者和消费者模式- 事件通知- 用作信号控制最大并发数- 发送任务到协程池4. sql语句起来很慢？- 除了expalain和基础的sql优化还要去考虑表数据量太大，要分库分表5. RAG6. 多个生产者怎么保证channel只关闭一次用主协程或者协调协程关闭，生产者本身不要去关闭- waitgroup计数- channel计数7. 项目中有没有遇到goroutine竞争或者出现并发错误的情况8. golang的优势9. 什么时候创建组合索引**合合信息二面**1. 上传文件时候的安全性考量我说了鉴权、文件hash校验，答：不够2. 怎么用consul来进行服务注册与发现3. 怎么防止多个goroutine对共享数据访问的冲突4. 大模型的了解？RAG？RAG中R有什么方式？5. 某个节点收到大量的请求怎么办6. 二面就15分钟，几分钟后HR加微信告诉我薪资，然后说明天发offer第二天下午5.30催了下HR，立马发了offer，接受了。找了一个月，面了好多厂了，累了，不想面了。几百行的面经整理过两天整理好了发。

bg：985本硕，研究方向是NLP相关，有一段中厂算法实习+几个水项目，leetcode刷了300+（但依旧很菜）。 时间线 & 准备：3月初-投递：携程算是投得比较早的（不过好感度比较高，因为都说技术和氛围在大厂里算数一数二的），官网直接填的简历（建议把项目经历和实习细节精简突出，和岗位JD靠一靠）。当时还同步在投其他大厂，主打一个广撒网… 3月中旬-笔试：携程的笔试难度中等，A了2题，另外2道也基本接近满分了。Tips： 笔试前可以看看携程的业务（旅游/酒店/机票），算法题可能会贴近业务场景，而这个真实业务场景还是比较复杂的。 3月底-技术面（两轮）：一面： 上来面试官先进行了很详...