首先是菜菜的基本情况呢。bg：本科南航非科班，靠ICPC区域银跨保南软，目前研一（两年制），零实习项目：手搓软光栅，手搓UE的FPS项目，都挺水的，可以看我github：atri2333.github.io本科毕业那段时间生病了呢，从五月份躺到了九月份开学，所以准备的很晚的了，之前只在大四的时候自学过Games101。UE主要看文档，然后看过udemy上的GAS教程呢，但是时间不够只看了一半。后续自己准备项目的时候也感到有点力不从心。八股：编程指北、小林coding，还有知乎上不羁的游侠。接下来是暑期战况呢。泡：巨人网络、吉比特简历挂：字节、叠纸、莉莉丝（梦厂爆哭x1）、鹰角（梦厂爆哭x2）二...

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

双非本，28届，目前八股文情况：Java基础、集合、MySQL、JVM 很熟Spring、Redis 半熟计算机基础、并发、微服务和队列、设计模式 还没背立扣hot100刷过一遍了，但是忘得差不多了。简历包装了一下黑马的外卖和点评，这个情况能找到日常实习嘛，每天要投多少份。

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...