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...

这些题刷完能不能拿五千一个月

说起来你可能不信我失业那天还在公司厕所刷LeetCode——不是摸鱼，是前一天改完祖传代码的bug，凌晨三点才睡，脑子转不动了想换个环境清醒下。刚刷到二叉树那题，主管突然发微信：“来会议室聊聊”。我当时心里咯噔一下，以为又要被拉去背锅——上周上线的用户中心，测试小姐姐把“注销账号”点成“批量删除”，我连夜改了十遍代码才压下去。结果推开门，主管脸比我还绿“公司融资黄了，前端组裁一半，你……”后面的话我没听清，只觉得耳朵嗡嗡响。收拾东西的时候，邻座的后端哥们拍我肩膀：“没事，你代码写得比我对象还靠谱，肯定能找到。”我苦笑，去年他对象因为他天天加班跑了，这话听着像骂人。回家路上我把LinkedIn、...