中信深分对公客户经理线下面试

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

原来已经一年了，因为没有加任何实验室没有学长学姐带，再一次偶然的机会下刷到我们学校的牛肉哥，和他聊天之后发现他也没加实验室能进大厂，我就燃起了希望，去年大概 4 月份找好路线 零基础 开始学 5 月背八股和开始刷算法很难受 7-8 月焦虑躯体化害怕找不到实习 9 月找到一家像样的小厂去实习了 4 个月大三上期末考试结束之后 1 月份回来边实习边准备工作压力很大 当时只有字节、百度、商汤的面试，字节三面挂了，百度 oc，商汤 二面挂（差评 无效面试），之后来深圳百度实习之后还是觉得不甘心一直没把算法和八股扔下一直在准备，百度实习的时候 mt 交给我一个特别重要的工作数据库迁移（特别感谢 mt ，这个需求学到了很多东西处理了一堆线上问题），本来看着暑期他们面试都很困难，然后听说百度要涨实习薪资（然而 5 月并没有涨），就想着留在百度吧也懒得面试了，4 月 20 多的时候字节 hr 打电话约面问我要不要尝试一下询问了 1 月份三面为啥会挂有没有学习 ai 知识（因为字节这边后端岗位偏 ai），我来到百度之后全面拥抱 AI 也认识了我的好兄弟 X 哥，他在百度 XX 部门 Agent 实习，他属于是我 Agent 的启蒙老师，来百度之后一直在了解 AI 这一块，我就接受了字节的面试，一面的时候 20 分钟实习拷打然后突然说 30 分钟代码考核我心就凉了以为是 kpi，算法题是手撕高并发安全下的令牌桶限流器，我写了整整 80 多行代码最后也写出来了，但是从来没看到过出这种题能 oc 的我也就不管了，后边面试也是很顺利但是流程有点长可能一直在横向吧总结结果是好的！！！感谢这一年努力的自己和遇到的各位互联网大佬分享的知识！！！ps 图二纯感慨 （觉得🍬请不要喷我）欢迎大家一起交流学习呀！！！！

核心定义ReAct 是能让大模型“边思考、边行动”的推理框架，让 LLM 像人类一样通过多轮交互解决复杂问题Thought-Action-Observation 运转逻辑ReAct 循环中有三大要点：Thought：模型分析当前的局面，大任务拆解成子任务，决定当前最需要做什么Action：根据前面的思考结果，生成具体的操作指令Observation：接收真实环境对操作的反馈结果这就有了一个闭环：想清楚再做，做完看反馈，基于新反馈接着想ReAct + Function calling 怎么运转？在 ReAct 需要与外部系统结合时，免不了调用工具，执行链路如下：评估与决策：模型接收用户请求，判断...