百信银行二面群面

我觉得目前最好用的 AI 编程工具是 OpenAI Codex。相比传统的代码补全工具，它更像一个“可以接任务的 AI 工程师”，不仅能写代码，还能理解项目结构、修复 Bug、生成测试，甚至直接参与完整的软件开发流程。在实际使用中，Codex 的优势主要体现在效率和完整性上。你只需要描述需求，它就可以从实现功能到调试优化一并完成，大幅减少重复劳动。同时，它支持在终端、编辑器和云端多种环境中使用，还能并行处理多个任务，让开发节奏明显加快。总体来说，Codex 已经不只是“辅助工具”，而是正在改变编程方式的生产力工具。对于开发者来说，用好它，本质上是在学会如何和一个高效的“AI搭档”协作。

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...