最近面了一家公司，技术面很顺利地通过了，并且面试官表示基础很好，第二天约了负责人二面。二面问了很多开放性的问题，比如对ai的看法，对于后端开发比较重要的硬件，学校的课程，毕业论文，简历项目的意义等等。可能是我答得确实不太好，中间面试官一直在笑眯眯的否定我的答案，特别是对ai的看法。我觉得ai是辅助，是提效的工具，面试官觉得ai是导师，是使用者限制了ai的发挥，对于一些东西，我明确表示了使用ai做出来的效果不好，他觉得是我需求描述的不清晰。这种是压力面吗？还是单纯的和负责人理念不合焦虑地等结果最近面的有点反胃了，不想再面了，至今0offer

记得上次找日常实习从投递到最后offer总共花了51天这次暑期也是惊人的相似，从开始投递到offer也是花了51天暑期总结蚂蚁3月20一面挂阿里所有意向简历挂美团3月18一面挂字节3月17投递3月23一面3月27二面3月30三面，三天后挂+转岗4月10从二面复活4月17三面4月20offer快手4月1日一面4月13日二面4月20hr面百度4月11日一面4月14日二面4月17日三面这回教训就是以后不要在职面试了，实在太累+心态不稳，一开始想着就算没有公司要还能在现在公司赖着，最后活也不想干，面试也不想面感谢字节收留了，听说强度不小（早10晚10），好在base在广州，希望顶住😥😥

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...