1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...

简历如下 大家觉得有机会冲一下暑期offer吗，目前还没有面试经验，项目做的很水，还没开始背八股😅

求实习啊

作为一个每天重度依赖 AI 摸鱼、不是在撸代码就是在写文档的后端打工人，我仔细盘了一下我每天的 Token 消耗流水，发现了一个惊人的事实：最消耗 AI 算力、最容易让它破防的，根本不是什么复杂的算法推导，也不是写那些又长又臭的 SQL 联表查询，而是我们轻飘飘敲下的一句——“帮我初始化一个项目”。大伙品一品，平时让 AI 搞个“初始化”，到底有多要命：1. 薛定谔的“搭个基础架子”你以为你只是让它建个工程，但在 AI 眼里，你这是让它当架构师。比如你跟它说：“帮我起个后端服务”。好家伙，为了显摆，它不仅要把外层的目录结构用 ASCII 码画出来，还要给你手搓一堆基础类。要是你提了一嘴用若依（...