这次面试感觉其实还行，但是到现在也没联系我，估计凉凉了。  这次面试，面试官很侧重于 LLM 在实际业务（特别是销售/营销场景）中的落地能力、工程化思维（如异常处理、耗时分析）以及 Prompt 的精细化控制，这段时间段段学了不了，但是还是感觉差点意思。一、 业务逻辑与转化率优化 (ROI) Q1：你们的“线索评分”机制是如何运作的？回答： 基于四个维度进行打分： 1.联系方式完整性（基础门槛）。2.购买意向强度（结合大模型进行意图识别）。3.对话深度（交互轮次）。4.用户主动行为（如主动要求添加销售微信或留下电话）。 综合这些维度给出一个分数，通常分数较高（如大于 70 分）会被判定为高优线...

大佬帮我看看吧：我大二下学期有一段暑假实习，中小厂应该算，但是也没有参与核心业务，但是在有人带的情况下，写了个小项目（未完善），打算把它作为实习项目，但是简历上实习这个不太会写……我也知道star法则，但是如何包装……现在我的简历像是罗列技术栈……然后我的项目经历也是很标准的黑马点评，我要不要再做一个新的项目加到这个项目经理里面？？还有什么可以优化的都可以指出，我虚心接受并整改，多谢大佬们了！

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

1、为什么引入父子索引，为什么引入 BM25，比例是怎样的，具体流程是什么，有没有 rerank父子索引主要是为了解决 切块后召回准，但是上下文不完整 的问题。如果文档直接按 300～500 token 切成小块做向量检索，确实更容易召回到具体答案，但很容易丢掉原文结构，比如标题、段落关系、表格上下文、前后约束条件。所以会把文档拆成两层：父块：保留完整语义单元，通常是 800～1500 token子块：用于召回，通常是 200～400 token检索时先搜子块，命中后回源到对应父块，再把父块内容喂给大模型。这样既保证召回精度，也保证上下文完整性。引入 BM25 是因为向量检索对语义相似比较敏感...