fit上周六面完面试官一直不提交面评

说真的，别再只会背 RAG、幻觉的基础定义了，我面 AI 岗挂的 5 次，全是栽在看似基础、实则一挖就深的问题上。最开始准备面试，我就背了背 “什么是 RAG”“幻觉怎么产生的”，以为就能应付，结果一面试就被问懵了。面试官根本不会只让你背定义，他会问：你说你懂 RAG，那你做的项目里，召回率只有 30%，你具体是怎么一步步优化的？每一步优化的指标提升了多少？你说能解决幻觉，那在多轮对话场景里，模型前后回答矛盾，你怎么处理？和单轮对话的解决方案有什么区别？你提了 MCP 协议，那它和传统的 API 调用有什么本质区别？实际项目里你用它解决了什么具体问题？踩过哪些坑？你说做过 AI Agent，那你的 Agent 在任务执行失败的时候，会怎么做错误重试和反思？具体的实现逻辑是什么？我才发现，面试官根本不关心你能不能背出定义，他关心的是你有没有真的做过、有没有真的踩过坑、有没有解决实际问题的能力。背出来的答案，和实战出来的答案，面试官一听就能听出来。后来调整了思路，不再死背知识点，而是把自己做的 demo、项目，从技术选型、踩过的坑、优化思路、数据指标，全拆解得明明白白，再去面试，基本都能对答如流。给所有面 AI 岗的牛友提个醒：别只背基础概念，面试官最爱问的，永远是基于实战的深挖问题。没有真实项目经验，就自己动手做个完整的 demo，把每一个技术点吃透，比背 100 道题都管用。

主要写了我没有回答好的内容，其他都是普通八股+项目1.callable和runnable的区别我就回答了，callable可以携带返回值，runnable不能携带值。其他就不是很了解2.如果有这个场景，平时线程池只需要调用两个核心线程就能实现所有任务，但是在高并发的时候，显然需要更多的核心线程，比如，我们可以可以不急着把任务放到等待队列，反而是增加核心线程数去执行，再放到任务队列中，你会怎么解决？我就回答了，可以创建两个线程池，分别应对冷热场景，然后手动进行调整，冷的时候用核心线程少的，热的时候用核心线程大的3.HashSet的去重，源码是如何解决的？不太了解，当时就说了，可以通过比较是否是相...

工作地域西安、深圳、东莞、北京、上海、南京、苏州、杭州、成都、长沙、武汉招聘岗位软件开发（Java 、 Python 、 C/C ++）软件测试算法大数据前端任职要求统招本科学历25届以前，双证齐全学信网可查26届目前还不行 福利待遇10K-30K、周末双休、六险一金、节假日福利、年度体检、团建、员工活动等福利

入门AI首先要关注应该如何使用AI，使用现成的AI工具进行提效。比如说如何使用豆包进行高效的提问获取资料，如何使用即梦生成想要的图片，如何利用剪映剪出想要的视频，如何利用飞书的AI制作表格，如何使用扣子的编写自己的工作流。无论学什么，最重要的是行动，我推荐可以入门学习一下提示词应该要怎么写。#现在入门AI应该走哪些方向？#