网易雷火游戏测试一二三面

自我介绍RAG 的流程RAG 的优势怎么识别大模型的幻觉？减少大模型幻觉的措施有哪些？用了 RAG 以后，大模型就一定不出幻觉了吗？怎么排查？怎么确保 RAG 检索到的文档块一定是想要的？MCP 的概念怎么写好提示词？未来的升学规划？反问

暑期实习从2月开始投，面了两个月，流程该挂的都挂完了，腾讯字节一共号称是1.7w个hc，不知道都发给谁了，估计今年秋招要难顶。Timeline米哈游、美团、蚂蚁、微软等公司直接简历挂穿，没进面。携程：3.3 投递、测评3.12 笔试3.18 一面3.25 二面4.13 ai面（hr面）4.14 英语测评4.23 offer（已拒）腾讯：2.6 测评2.28 wxg一面3.5 wxg二面（挂）3.11 teg一面3.21 teg二面（取消）3.31 teg一面4.10 teg二面（挂）4.21 wxg一面4.24 wxg二面（挂）字节：1.28 aml约面（取消）3.17 火山一面（挂）4.8 aml一面（挂）4.20 抖音data一面（挂）阿里：3.23 投递、测评3.28 笔试3.31 淘天一面4.8 钉钉一面4.9 淘天二面4.10 阿里控股一面4.12 钉钉二面（取消）4.15 淘天hr面4.16 淘天offer（已接）4.21 高德一面（取消）4.22 淘宝闪购一面（取消）面试最大的感触是，现在撞上ai转型，一堆老业务急着转向，新业务非常不成熟，研究型的组bar非常高根本进不去，业务侧挂着算法的岗位干的都是工程活，面试却又要问算法，另外agent的落地也远没有那么广，绝大多数还是那套写死的系统调一下llm api或者做做rag，其余少部分真的在搭agent的，基本不能在线上服务用什么很智能的模型，现阶段成本太高，进去大概率就是给垃圾模型从工程方面兜底，除了业务场景的应用和数据经验以外，技术方面很难有什么提升。算法岗做不了基模的还是去搜广推好，之前判断失误了完全没投，秋招不知道还进不进得去。

1. 日常是怎么使用 AI 的答案：我日常使用 AI 更多是把它当成辅助工具，而不是直接替我完成开发。比如看不熟悉的库时，我会让它先帮我梳理接口使用方式；写代码前，也会让它给一个大致思路或伪代码，然后我自己再结合项目约束重写。如果是 C++ 代码，我会特别注意生命周期、边界条件、线程安全、异常路径这些问题，因为 AI 生成的代码经常在这些地方比较粗糙。所以我更倾向于用 AI 提高检索和理解效率，但最终代码还是要自己 review、编译、测试和压测。2. 你认为 AI 目前有什么问题答案：AI 最大的问题是它经常给出“看起来很合理”的答案，但不一定真的正确。尤其是 C++、操作系统、网络编程这类...