前天有个同学发消息问我：  “学长，我投了快 40 家公司，面试就 4 个，还全挂了。现在 4 月底，是不是已经没机会了？”  说实话，每年到这个时间点，都是大家最焦虑的时候。看着别的同学都收到 offer，自己越面越慌，心态快崩了。 今天这篇就是给还“没上岸”的同学准备的急救包。不讲大道理，只讲接下来两周你能具体做什么。 如果你是下面这几种情况之一，这篇就是给你写的：  ✅ 投了 30+ 公司，约面不到 5 个 ✅ 面试总有 1-2 轮，但最后都挂 ✅ 感觉自己是“备胎”，面试官说“等通知”就没下文了 ✅ 眼看 5 月就要入职，offer 还没着落  记住一个数据：截至 4 月底，实际拿到暑...

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

究极折磨，缓了三天才想起在牛客发布。

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，...