一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

4月中旬开始投简历，只有腾讯、字节、京东约面，不出意外都没进展，其他厂都在简历筛选中越来越麻木了，感觉暑期实习拿offer的概率基本为0了投后端开发、ai应用开发，这简历还不够用吗？？大厂到底需要什么样的人啊

求内推

第 41 题：提示工程（Prompt Engineering）及其核心原则 题目 什么是提示工程（Prompt Engineering）？其核心原则是什么？ 一、什么是提示工程？ 提示工程（Prompt Engineering） 指通过设计输入给模型的文本（及可选格式、示例、约束），以引导模型产生符合任务需求的输出，而不改动模型参数。包括：指令怎么写、是否加示例、是否用 CoT、如何结构化、如何控制输出格式与边界等。它是连接“用户意图”与“模型能力”的桥梁，在零样本/少样本场景下尤其重要。 二、核心原则（面试必答）  清晰与具体：指令要无歧义，明确任务类型、输出形式、边界条件（如“用一句话”“...