我的是"熟练掌握Redis，有高并发项目经验"。实际情况是：我在一个日活200的内部系统里用过Redis缓存了几个接口，并发峰值大概是……同时在线的三个测试同学。但就是这句话，被面试官揪住问了二十分钟。缓存穿透怎么解决、持久化方案选哪个、数据倾斜怎么处理……我当时脸上镇定，脚趾头在鞋里抠出了三室一厅。最后面试官说了句"你对Redis的理解还有些浅"，我点头称是，心里想的是：浅？我他妈根本没下水。后来我花了两周把Redis真的学了一遍。再被问到同样的问题，答得还不错。所以简历上写了什么不重要，重要的是写完之后有没有真的去补。心虚可以，但别一直虚着。

目前只有wxg约过一面，手撕没撕出来就挂了

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，...