1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...

目标后端

太长不看版:一个面向金融面试的RPA开源项目：基于Skyvern改造，主打三维度权限、高危审批、LLM容错、双Agent，附带简历写法+面试QA+16天开发日志，代码+文档全开源，专治面试没得聊。🌟 核心亮点速览（就三点）：业务深度：银行真实权限模型+分级审批+审计留痕技术巧思：Action缓存降本60%、双Agent断点续跑、三层LLM容错面试加成：所有设计决策写在日志里，配套简历/QA手册，让你聊得深👉 项目地址评论区自取，觉得有用给个Star就行～正文开始：做这个项目的起因很简单：我想要一个面试时真正能聊得深的项目。不是那种 CRUD 搭完就结束的 demo，而是一个完整的系统——有...