南京银行面试

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，...

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

老哥看看是简历的问题吗？还是投的少了，打招呼咋没几个回的呀😥

太长不看版:一个面向金融面试的RPA开源项目：基于Skyvern改造，主打三维度权限、高危审批、LLM容错、双Agent，附带简历写法+面试QA+16天开发日志，代码+文档全开源，专治面试没得聊。🌟 核心亮点速览（就三点）：业务深度：银行真实权限模型+分级审批+审计留痕技术巧思：Action缓存降本60%、双Agent断点续跑、三层LLM容错面试加成：所有设计决策写在日志里，配套简历/QA手册，让你聊得深👉 项目地址评论区自取，觉得有用给个Star就行～正文开始：做这个项目的起因很简单：我想要一个面试时真正能聊得深的项目。不是那种 CRUD 搭完就结束的 demo，而是一个完整的系统——有...