最近影石的秋招真的让我心态反复横跳。本来已经打算放弃了，结果后面又被抬价，直接又燃起希望了😂整体面试体验还是挺不错的，面试官都很强，问得也很深入，尤其是对项目和底层原理的考察非常细。这里整理一下自己的面经，希望能帮到后面准备秋招的同学。一面：疯狂技术拷打（AI推理 + C++ + 体系结构）一面的面试官绝对是技术大牛，问题密度非常高，几乎没停过。AI推理 / MNN / 模型部署为什么选择 MNN 推理框架？调研过其他框架吗？模型从训练到端侧用 MNN 推理的完整流程是什么？int8 和 FP16 的性能提升明显吗？MNN 做了哪些优化？双线性插值的 4 个点权重怎么计算？仿射变换用了哪些 ...

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下已修改，希望大佬指点一下

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

大家好，我是程序员鱼皮。最近这两年，只要你接触过 AI 编程，大概率听过一个词，RAG（Retrieval-Augmented Generation）。但很多小伙伴对 RAG 都只是一知半解，导致面试的时候只能说出 “检索增强生成” 这六个字，面试官再多问一点，就只能 “阿巴阿巴”。而这篇文章，是对 RAG 技术的一个全景科普，从最初的 Naive RAG、到现在最主流的 Agentic RAG，总共 16 种主流 RAG 方案，我会一次性给大家讲清楚。以后开发 AI 应用的过程中，无论遇到什么场景，都能选择最合适的 RAG 方案。干货比较多，建议先点赞收藏，再慢慢往下看~什么是 RAG？AI...