金蝶测试 笔试

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

恐怖如斯

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

1. 介绍一下你做过的最有挑战性的项目，遇到了什么技术难点，如何解决的？回答框架：项目背景：简要说明项目目标和技术栈技术挑战：具体描述遇到的核心问题（性能瓶颈、并发问题、架构设计等）解决方案：详细说明采用的技术方案和实现细节效果量化：用数据说明优化效果（性能提升X%、响应时间降低等）反思总结：学到了什么，还有哪些改进空间示例："我做过一个高并发的订单处理系统。最大的挑战是在秒杀场景下，数据库成为瓶颈，出现大量超时。我采用了多级缓存架构：Redis缓存库存，本地缓存热点数据，使用Lua脚本保证原子性扣减库存。同时引入消息队列异步处理订单，削峰填谷。最终QPS从2000提升到15000，...