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，...

其实还挺不容易的，也算是转码之路的里程碑了

本人bg双非➕百度实习，经过漫长的两个月在职求职，暑期终上岸字节，在这里感谢节子收留以下是一些timeline：3.5 米哈游一面 凉3.10 字节飞书一面 凉3.17 腾讯teg一面 凉3.17 京东支付一面 凉3.25 字节国际化广告一面 几天后告知过4.7 腾讯数据计算平台一面秒过4.8 字节国际化广告二面 面完秒挂秒捞4.9 美团一面 凉4.9 腾讯数据计算平台二面完到hr面，泡了几天一直没约hr面然后流程结束，这是最难受的一个4.13 字节国际化一面秒过4.15 快手主站一面挂4.17 字节国际化二面面完过一会告知通过4.23 字节正式offer从以上总结早期准备的实在不足，对于八股对于简历上实习内容准备的都不够充分，所以许多倒在了一面，后面面着面着才慢慢进入状态，可能也由于在职面试的原因吧，一边上班一边复习实在痛苦，本来想着找不到就继续赖着百度，其实到最后活也不想干，面试准备的也不充分，也算给自己一个教训吧，最好时时刻刻准备好面试的状态，八股算法不能停，祝🐮友暑期也一切顺利！

作为后端应届生，我常常止步技术二面。基础知识点能答上来，但项目深挖、场景优化问题容易卡壳。每次挂面都会及时复盘错题、补齐短板，沉淀项目细节，稳住心态持续投递，慢慢积累面试经验。