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，...

我投的后台开发。。。这还要面吗

Java中synchronized和ReentrantLock的区别是什么？说说Redis主从同步与哨兵机制的工作流程？MySQL InnoDB中MVCC的实现原理是什么？Spring的IOC是啥，解决了什么问题？消息队列的常见应用场景有哪些？选型时会考虑哪些因素？JVM中Full GC和Minor GC的触发条件与区别是什么？分布式锁的主流实现方式有哪些？各自的优缺点是什么？向量数据库相比传统数据库，在RAG场景下有哪些独特优势？你是如何处理多节点状态同步过程中的延迟问题的？认证模块的优化方案，是如何平衡安全性与性能的？引入策略模式重构后，对后续功能迭代带来了哪些便利？针对不同维度的查询需求...