小鹏一面，自驾测开

我一开始走的是后端，后来听说测试开发没什么门槛转，而且薪资也高，适合双非本科，说实话前期投入也挺大的，学了很久的自动化测试，测试理论，框架搭建，本来以为这样能在就业市场上有点竞争力，结果现实是靠着开发经历和小厂实习才只拿到了一个中厂的实习offer，进去之后每天的工作基本就是点点点，跑用例，修环境，处理一些重复的问题，真正能提升技术的内容很少，很多时间都在消耗，做了一段时间之后我明显感觉自己成长很慢，远远不如学后端的那段时间，而且这段经历对下一段实习帮助也不大，后来我开始投新的实习，结果发现一个很现实的问题，市场上对测试开发的要求其实很高，现在都基本要求agent+开发能力，测开要结合ai了，但是我这种背景又很难卷进去，投了很多基本没有回应，整个人就有点卡住了，既没有成长也没有机会，我感觉我是走错路了于是我开始考虑转方向，后来接触到了运维开发，一开始只是简单了解，后来越看越觉得这个方向更适合我，就开始系统去学一些基础，比如linux，脚本，服务部署，还有一些简单的自动化运维思路，一点点容器的内容，其实时间投入并没有之前学测开那么夸张，但是效果却完全不一样，后面再去投运维开发相关的岗位，很快就有了反馈，而且面试的过程也比之前顺畅很多，面试官完全没有测开那边那样刁钻，可能是赛道人少的原因，最后也顺利拿到了好几个offer，其实让我挺震惊的，回过头来看，我现在觉得对于双非本科来说，选对方向真的比单纯努力更重要，运维开发这个方向目前竞争没有那么激烈，双非本科完全够，甚至是能打，只要有点技术深度，基础扎实一点就很容易做出区分，如果你现在也在测试开发或者后端里感觉提升有限，或者投递一直没有结果，可以尝试换个思路，说不定会有完全不一样的结果，可以拿我的经历做一个参考吧。最后，不管是运维也好，能拿到好的薪资找到不错的工作就是好的方向，也没人规定一定要去某个方向，共勉吧

一面时间：3.23自我介绍展开讲一下百度的实习（STAR法则）讲解一下图片的评测集是如何设计的评测执行中，有哪些自动化提效的部分agent skill做ui自动化实现细节？测试case的覆盖度如何，通过率大概多少badcase主要集中在哪些部分？针对badcase,解决思路是什么？你编写的功能脚本主要解决了什么问题？代码手撕：如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？反问环节。二面时间：3.24自我介绍展开讲一下百度的实习（STAR法则）你针对图片的评测标准如何构建？定义评测标准之后，是靠人去做吗，有没有自动化...

8、有持续学习新知识的热情。

1 . RAG 怎么评测，有哪些维度，那些指标RAG 的评测一般分成检索、生成、端到端三层。检索层主要看正确证据有没有被找回来，常用 Recall@K、HitRate@K、MRR、NDCG；生成层主要看答案对不对、是不是基于证据回答，常看 Answer Correctness、Faithfulness、Relevance、Completeness、Citation Accuracy；端到端层更偏业务效果，比如用户满意度、追问率、拒答率、时延和成本。真正做项目时不会只看最终答案，因为答案错可能是召回错、重排错、上下文拼接错，也可能是模型生成错。2. 数据集包括什么RAG 的数据集一般不只是知识库...