1、自我介绍2、简单聊下实习干了什么 ,解决了什么问题3、讲讲什么是 RAG，结合你做过的企业知识库问答系统讲一下 RAG 调用的全流程RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它的核心思想是先从外部知识库中检索相关内容，再把检索结果作为上下文交给大模型生成答案，这样可以降低模型只依赖参数知识带来的时效性和幻觉问题。以企业知识库问答系统为例，完整流程一般是用户输入问题之后，系统先做 query 预处理，比如纠错、改写、意图识别和关键词提取，然后进入召回阶段，从向量库、全文检索或者混合检索系统里找出候选文档；候选文档出来后再做 rerank 重...

😅😅😅😅

1、自我介绍我主要做的是大模型应用和 AI Agent 相关开发，平时接触比较多的是 Prompt 工程、RAG、工具调用、工作流编排、上下文管理、模型评测和服务化落地。技术栈以 Python 为主，也做过接口开发、异步并发、日志监控和效果优化这类工程工作。相比只关注模型本身，我更关注模型放到真实系统里之后，怎么把效果、稳定性、延迟和成本一起做好。2、提示词模板是怎么构建的提示词模板本质上是在给模型定义任务协议，而不是简单写一段说明。一般会包含角色设定、任务目标、输入数据、约束条件、输出格式和示例。比如让模型做工具调用时，提示词里通常会明确：你是什么角色你要解决什么问题什么情况下需要调用工具工...