1.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？这个问题本质上不是“删哪条、留哪条”，而是做记忆的版本管理。实际处理时一般会同时看三个维度：时间、来源、置信度。时间上通常新信息优先，但前提是它来自更可信的输入；来源上，用户当前轮明确表达、工具查询结果、系统写入，优先级通常高于模型从历史里自己总结出来的内容；置信度上，如果只是一次低置信抽取，不会直接覆盖长期稳定画像。工程上我会把记忆拆成两层，一层是 event log，完整保留用户每次表达过什么；另一层是 materialized profile，也就是给模型使用的当前画像。冲突发生时，不是直接物理覆盖，而是先记事件，再按规则刷新画像。...

求助，怎么改进。约面都没有🙂‍↔️  

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

这段时间春招面试，不管是中小厂、制造业信息化、还是软件岗，只要沾一点智能、算法、大模型、AI工具，面试官必问AI相关问题。我一开始完全没准备，前两场答得一塌糊涂，后面专门整理了一下，才发现套路非常固定。给大家说下最常出现、几乎每家都问的：第一个就是 RAG基本都会问：你知道RAG吗？能干什么？和直接训模型有什么不一样？不会让你手写公式，就是看你懂不懂：外接知识库、减少幻觉、不用改模型、更安全这几个关键点。能说清楚，面试官就点头了。第二个必问：AI幻觉什么是幻觉？为什么会出现？你在项目里怎么避免？我一般就答：数据不行、模型瞎编、上下文乱。解决就靠RAG、加校验、限制输出、加来源引用。很朴实，但面...