找暑期实习ing。。。现在几乎都是挂在二面。主要原因是我八股基本是只背高频，背的不全面，而且有些地方是硬背的，禁不住深挖，尤其项目混着八股或者场景题一起深挖的时候更是禁不住拷打，但感觉禁不住深挖这件事也不是我简简单单突击一下就能搞定暑期的。。。或者就是问了好多AI相关的知识，没背过体系化的AI八股整理，好多也不会或者只是听说过但是讲不出来。。。虽然次次二面挂，但是挂的也不算冤，不是那种聊得很好但是还挂掉的，是确实很多答不上来而且吧，最开始两次一面挂的时候，我是清楚的知道是哪没学好（因为没答上来的问题都只是因为没背熟）。现在次次二面挂，答不上来的问题都不是那种常见问题了，想补一补某个模块的知识都...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

求大家看看这份简历有啥缺点。boss好多已读不回的我已经麻木了，大家嘴毒一点指出来没关系的

1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...