1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...

1. 简述进程与线程区别2. 说出Redis八种内存淘汰策略及常用策略3. 虚拟内存为何不能设置过大4. 简述HTTP与HTTPS区别5. HTTPS为何不全程使用非对称加密6. 用两个栈实现队列7. 给定数字n与数字集合，数字可重复使用，求出严格小于n的最大数字

这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

某大厂一面，本人非科班转码1.langchain/langgraph 的区别2.langgraph 踩坑3.rag 原理，用的什么 embedding 模型，有没有对比其他方案4.上下文压缩方式，优劣5.fallback 是怎么做的6.agentstate 的作用是什么，为什么不使用全局变量7.介绍下整体的失败重试机制（node，rag 链，tools）手撕：二叉树蛇形遍历（2 分钟撕了，然后发现不会构造二叉树🥴，跑不了结果，感觉是完蛋了😭）