今天看到一件事，我对着屏幕沉默了良久。事情是这样的：他今年 25 岁，来公司三年，一直做一些偏基础的开发、维护类工作，平时话不多，做事也算踏实。我一开始还以为是薪资、晋升或者团队氛围的问题，结果他完全没提这些，只反复说：AI 发展太快了，他每天都很焦虑。他说自己现在做的很多工作，比如简单的 CRUD、脚本编写、问题排查、文档整理、重复性的业务开发，AI 已经能完成一大半，甚至比他写得更快、更规范。他越用越慌，总觉得自己现在这套技能，再过一两年就彻底没用了，岗位迟早会被 AI 替代，到时候更被动。他不是不努力，也不是不想学，就感觉学了也没用，越学越迷茫，不知道该往哪个方向补，每天上班都被 “被替...

本人双非民办本科，有一段实习经历，投的工作 HR 看完不理或者直接挂掉了😑求拷打

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...