RAG知识库搭建与技术栈分享

3.5一面 一、 项目1. 简单介绍一下这个系统的知识库问答架构，从文档入库到最后回答的完整链路是怎样的？2. 向量检索用的是什么索引类型？3. 在召回之后有没有做重排（Rerank）之类的操作？4. 你知识库的准确率和召回率是怎么评估的？5. Spring AI Alibaba 的 Function Calling 是怎么实现的？模型如何决定调用哪个工具？6. 如果工具调用失败了，你们设计了什么处理机制？7. Execute Plan 模式具体是怎么实现的？8. 平时哪种模型用的比较多？9. 平时编码时会用哪些模型？10. 在选择向量数据库时，有没有看过其他的（如 ES、Milvus 以外的选择）？它们之间的区别你大概有概念吗？11. 在写 Prompt的时候，你有哪些实践经验或设计原则？12. Graph Rag / Agentic Rag了解过吗13. 在秒杀下单中，Lua 脚本具体做了什么？为什么要用 Lua，而不是分开执行多条指令？14. 这个项目你自己做过压测吗？15. 对系统能扛住的流量（QPS）有没有具体的概念？16. 对于什么时候该上缓存、什么时候该上本地缓存，你大概的概念是什么二、 Java 基础1. 线程池的核心参数有哪些？2. 线程池内部的具体工作流程是怎样的？3. 核心线程数和最大线程数一般怎么确定/计算？三、 场景题1. 你觉得目前 RAG（检索增强生成）最大的瓶颈是什么？2. 假设要给电商平台搭建一个百万/千万级的商品知识库问答系统，你会怎么设计？3. 针对商品信息（如价格、描述）可能被商家动态更新的情况，你的知识库设计需要考虑什么？四、手撕：二叉树的层序遍历反问面试表现，面试官当场告知通过

1. 自我介绍2. 介绍你做的模型loss设计，包含基础损失与辅助损失，说明各部分作用与梯度流动逻辑模型loss采用多任务联合优化框架，主损失负责核心任务拟合，辅助损失用于约束特征对齐、分布对齐与梯度稳定。以多模态分类模型为例，主损失使用交叉熵损失，直接优化分类准确率；辅助损失包含对比损失用于拉近同类特征距离、拉远异类特征，以及KL散度损失用于对齐教师模型与学生模型的分布。训练时通过权重系数平衡各损失，保证主任务不被辅助任务淹没，同时利用梯度裁剪解决多任务梯度冲突问题。 import torch import torch.nn as nn class MultiModalLoss(nn.Mod...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1项目拷打2说一下实习经历3说下如何保证大促稳定性的，哪些独立完成的4你觉得其中比较有难点的是什么5如果让你实现一个xxx管理系统，你会怎么设计接和库表6如果要实现多开网页免登录的话，应该怎么做到的7rag文档切分怎么做的流程是什么8mcp有了解底层架构是啥吗9对前沿ai知识了解吗10skills你理解的是什么11讲一下你理解的harness，有用过他做过什么事情吗

“企业微信开源的CLI是啥？为啥大厂都在做？”“Skill 和 MCP 又是啥？这俩有啥区别？”“说了小半年的 OpenClaw 又是个啥？为啥企业、个人都在紧急学？”这些都是粉丝问过的。为了搞懂这些，我研究了一周。搞清了谁是谁、谁套着谁、谁与谁的区别是啥。今天这篇文章，我就把这些难懂的名词，梳理成一个你能听懂的故事，把这些概念一次性理清楚。听完你会发现：它们不是一堆孤立的AI术语，而是一支协同作战的“智能特工队”。先记住这张“翻译表”：大模型（LLM）天才员工聪明绝顶，但刚入职，不熟你家规矩Prompt口头交代你临时说的任务，说完就没了Agent领班\领导自己不做具体事，但能拆解目标、调度员...