1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

想问一下这个岗位进去主要是干啥，Java能干吗

算法开始先做三个算法题，不是很难Linux服务器负载高如何排查？进程间通信方式，哪个效率最高？计网浏览器输入qq.com后发生的网络过程如果发现这个过程很慢，怎么解决让你来运维服务器，发现服务器很慢怎么解决？数据频繁更新，CDN缓存怎么更新，如何保证一致性MySQL常见存储引擎，使用的什么数据结构查询数据库响应慢，如何优化、排查设计使用MySQL存储微信红包收发记录，亿级用户RAG项目整个流程讲一下如何评估效果其他你对运营开发的理解，是干什么的，为什么选择这个，而不是AI或后端开发对AI的看法反问---------- 更新 --------刚发完帖子，就进二面了