贝壳实习-来到天堂

目前还有个后端offer 但是薪资差的有点多 纠结

说实话，这道题放在以前，我的反应都是：不就是向量数据库加个大模型吗？但我也清楚，如果真这么答，基本等于告诉我只会调API。真正的生产级RAG是一套精密的工程系统。今天把它拆成四个模块，帮你建立一套完整的面试作答框架。模块一：数据清洗与离线索引垃圾进，垃圾出。原始数据里混着乱码和格式错乱的PDF，模型不可能检索得准。语义分块是第一个优化点。过去按固定字符数切分（比如500字一段），经常把一句话拦腰截断，语义全丢。现在要根据标题、段落结构甚至用模型来判断断点，保证每个分块语义完整。进阶策略是父子块检索：把文档切成小碎块用于检索（精度高），但喂给模型时把它所在的父块一并带上（上下文全）。小块检索准，...

以下内容非常适合0基础学AI，就业方向是AI产品经理的同学学习从入门到精通，我为你规划了完整的初级阶段学习路线1. Andrej Karpathy的油管科普作入门非常合适。一共两期比较值得精看：《Deep dive into LLMs like ChatGPT》《Intro to Large Language Models》这两个看下来对0基础的人来讲，足够对大模型这东西有个大概的框架了。不会让你入门即入土。3个小时的视频，啃下来我保证你收获颇丰。2. 书籍推荐两本，一本“这就是ChatGPT”Wolfram写的，0基础入门阶段就能看懂。还有一本《大模型算法》余昌叶的，工具书，非常贴业务，基本囊括面试热重点。3. 🍠和某站经常刷到一个号叫“林木”的。他的内容我觉得特别贴近职场，他的和AI相关内容非常贴近大多数互联网的业务。他自己本身也是面试官，所以给到的一些AI面试会考察的东西应该算是可靠的。适合整理思路，包括规范自己平时业务的一些方向。4. 吴恩达主理的网站deeplearning.ai的基本所有AI课程，机器学习，深度学习，NLP等有时间都可以看。很多不是他本人讲的，我觉得也很好，思路很清晰。觉得学起来慢的，有一个技巧，你可以把课程大纲全喂给gpt，让他解释给你听提速，但是可靠性需自检。5. 最后就是加餐AI播客了，油管或者apple podcast都有：干货向：Anthropic，IBM Technology。行业大佬访谈类：Lenny’s Podcast, Y-combinator, Dwarkesh 投资类：Training Data, Unsupervised learning.路径：先用书和卡帕西的视频作兴趣入门，再用林木的内容或者其他国内大厂博主的内容（⚠️注意甄别）去记录互联网对AI PM的要求，然后用教材（deeplearning.ai）对每一个要求进单点突破。按结果导向去学。比如AI PM重要考察的一个点是Rag相关知识，那么就去网上看Rag的教材，最好这个知识渠道是有一定专业从业者背书的，或者直接一些大学的教材。

1、详细介绍一下你最有成就感的项目我最有成就感的项目是一个智能数据分析平台，这个平台主要为企业提供数据采集、清洗、分析和可视化的一站式解决方案。项目背景是客户有大量的业务数据分散在不同系统中，包括ERP、CRM、财务系统等，他们希望能统一管理这些数据，并通过数据分析辅助决策。我们团队负责从零开始搭建这个平台，我在其中担任核心开发的角色。技术架构方面，我们采用了微服务架构。后端用Spring Cloud Alibaba全家桶，包括Nacos做服务注册和配置中心，Gateway做网关，Sentinel做限流熔断，Seata做分布式事务。数据存储用MySQL做业务数据存储，MongoDB存储非结构化...