也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...

现在也太难了吧🥲，实习好难找，佬们拷打一下简历

腾讯校招公众号的数据，估计那77%都在横向

教程项目做了好几个，RAG也搭了，Agent也跑了，但总觉得拿不出手。面试官看一眼就知道——“哦，又是跟着某某教程做的”。github上要么是教程，要么太臃肿的，不知道做啥。自己跟着gpt gemini的提示词做的话，又怕踩坑。那有没有一种项目，既能学到真东西，又能做出自己的差异化？答案是：拿一个真正的商业化产品，边用边改，做成你自己的东西。📌 这个项目是什么kimi-cli 是月之暗面（Moonshot AI）官方开源的CLI Agent，8.1k Stars。简单说，它是一个跑在终端里的AI编程助手：帮你读写和编辑代码帮你执行Shell命令帮你搜索和抓取网页甚至能自主规划多步骤任务和Cl...