当时为什么决定选用 RAG 这个技术框架？你最终选择的是哪个 RAG / 哪个向量库？为什么选它？你们做了哪些评测对比？你为什么要用向量检索（RAG）？为什么不用其他方式？为什么不用全文索引（类似百度/谷歌那种关键词检索）？你说大模型有幻觉，那为什么不用更“权威”的全文检索来避免胡编？如果用开源全文检索在本地部署、自己喂私有数据，也能搜——那你们当时为什么没选这条路？你选的向量维度是多少维？这个维度为什么重要？你有没有显示配置/修改过维度？你用的切分策略是什么？你说按段落/按语义切，那段落有的 100 字、有的 1 万字怎么办？你的 chunk size 为什么定 1000 token？这是拍脑袋还是有依据？overlap 设多少？为什么这样设？你怎么评价/评测 RAG 效果的好坏？你怎么做定量评估（召回率、准确率、相关性）？如果效果不好，你会怎么回到前面去改（维度、切分、索引/检索策略）？

第一次小厂面试，2人面，时长30h：1.java基础，基本类型、为什么要有包装类型2.集合类有哪些，ArrayList和Linkedlist有什么区别3.Hashmap线程安全吗？Courrent_hashmap了解吗，为什么他线程安全，底层院里是什么4.Redis缓存击穿和缓存穿透，怎么解决？5.Kafka怎么确定消息发出去了6.Kafka消费者端重复消息问题怎么解决7.Ai regent项目，向量化检索过程是怎么样的8.Java内存了解吗9.多线程了解吗？10.线程池核心参数有哪些？你怎么优化线程池参数的？11.内存溢出情况有哪些？12.如果有慢查询日志你会怎么排查。13.接下来就是和项目...

大家都在说今年找实习难，但是字节跳动招7000+，腾讯招10000+，合计1.7万个实习生岗位。这规模都快赶上某些985大学一届本科生的总数了。但是具体细节确别有洞天，字节7000个坑，研发类占了4800；腾讯更夸张，技术产品岗直接扩招39%，潜台词：能熟练使用AI工具的复合型人才实习生越多，正式工越少，与其说是实习生不如说是临时工。国家应该限制实习，每个人实习有上限，另一个不允许企业大规模招超长期实习生