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 ...

hr先为昨天的delay道歉了，态度很温柔也很专业。主要问一些压力的克服实习内容与成长，困难怎么克服到岗时间与实习时长为什么不考研先打了个mentor和leader比较忙的预防针反问：工作节奏，offer时间

影石一面 2025.10.20二面问了一些开放型问题，为什么学前端之类的是否参与过埋点体系的建设及承担的工作？埋点的发送方式及发送目的地？将 React 的 CSR 页面迁移成 SSR 时遇到的问题？CSR 和 SSR 时页面远程数据请求的区别？SSR迁徙SSR 时因可能没有 cookie，如何解决用户鉴权问题？SSR迁徙上线后 FSP 从 90 缩短到 1.8 秒以内 的情况？性能指标采集？React 函数式组件和类组件的区别？localStorage 和 cookie 的区别？Cookie的特性SSE（Server-Sent Events）是什么？HTTP2 的其他特性？tree shak...