继续来分享下最近的面经~1.实习拷打2.知识库主要存的什么内容3.底层用什么存的4.除了向量检索还有别的检索方式吗5.有多少key key和value 存的啥 咋存的 咋检索的 混合检索咋做的6.调研过哪些embeding模型7.BM25的算法原理8.上下文窗口限制怎么做的9.文档怎么切割的10.有表格或者图吗11.如果有一个跨页的表格该怎么去处理12.mysql索引的优缺点13.用什么vibe coding工具14.ai coding：扫描日志文件作一些输出，生成可视化图和结果分析文件

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 ...

对薪资不满意的，干的不开心的，觉得没有成长的宝子们看过来了部门直招哈哈哈，关键词如下算法：搜索/推荐/排序/大模型工程-后端：java/c++工程-数据：spark/flink数分：SQL/因果推断/实验分析缺数据数据大数据啊啊

前言这是我的agent系列文章的第8篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏想象一下，你拥有一匹日行千里的神骏，它力量无穷，速度惊人。但如果直接骑上它去送货，结果很可能是：它跑得飞快，却跑错了方向，或者在半路被路边的野花吸引，完全忘了任务。这匹“神骏”就像今天强大的大语言模型（LLM），而Harness，就是为它量身定制的“缰绳”、“马具”和“导航系统”。简单来说，Harness（驾驭层）是...