面试官最爱问的AI问题是RAG

简单自我介绍项目简历穿插八股项目问题 tokenizer怎么优化p tuning v2怎么做 和前面的区别是什么lora微调怎么做lora两个矩阵怎么初始化，为什么不能a0tf idf验证在做什么强化学习grpo怎么做的奖励函数怎么样如何llm as a judgerag怎么做的？向量检索怎么做梳理llm预训练和后训练分别做什么这些技术目的是什么讲一下量化，具体做什么力扣第8题问的很基础，平时讲的少了感觉没讲好。最后手撕的内容做的不太好，没做过的内容有点慌张

去年还在各种prompt、workflow，今年最火的就是SKILL了；其实AI就能够完成这个工作，但是面试时候又不能这么回答........ 从面试官视角想了解：你懂不懂、能不能落地、有没有梳理逻辑 一、先用产品语言解释：什么是 Skill Skill 本质是一种“可复用能力模块”。 它的目标不是完成一次任务，而是： 把一个高频工作能力产品化。从结构上看，Skill通常包含三个部分： 1️⃣ 输入（Trigger） 触发 Skill 的条件是什么 例如： 用户输入一个链接 用户输入一个关键词 用户上传一段文本 2️⃣ 能力逻辑（Capability） 系统需要执行哪些能力 例如： 信息抓取 ...

如果你现在想入行AI，别一上来就啃什么反向传播、数学推导，大概率坚持不下来。直接奔着RAG去，这是企业最缺、上手最快、简历最好写的方向。RAG到底是啥？全称检索增强生成，说白了就一句话：让AI学会翻资料再回答问题。以前的大模型全凭“脑子里的知识”答题，问它“咱们公司年假怎么休”，它直接懵——它又没在你公司上过班。RAG不一样：你先把自己公司的员工手册、技术文档、会议纪要、客服聊天记录全喂进去，存在一个叫“向量数据库”的地方。员工来问问题，系统先去库里找相关材料，然后把材料+问题一起给大模型，模型照着材料回答。效果立竿见影：客服不用翻几百页手册了，秒回客户问题新员工入职，自己问AI就能熟悉业务代码报错了，AI自动查历史bug库给解决方案销售要写方案，AI去库里翻过往中标文档做参考为啥企业抢着要？因为每个公司都有自己的知识积累，通用的GPT用不上。而RAG能把公司内部经验和AI能力打通，成本低、见效快、不出错。老板一听就两眼放光。入门学啥？就两样：1. 向量数据库——存知识的地方。学学怎么把文档切碎、转成向量、存进去、搜出来。主流的Chroma、Milvus、Pinecone挑一个玩熟。2. LangChain——搭流程的工具。学学怎么把“查资料+问模型”串成一条流水线，文档怎么切、怎么搜、怎么拼给模型。怎么做项目？就做一个：公司内部知识库问答机器人。拿几百页员工手册或者技术文档，搭一个能回答任何内部问题的机器人。部署到飞书、钉钉或者企业微信上，真能让同事用起来。这个项目往简历上一写，面试官一看：这人来了就能干活。

前言这是我的agent系列文章的第2篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。做 AI Agent 开发，总被 Function Calling、MCP、Skills 这三个概念绕晕？其实三者层层递进，MCP 和 Skills 都基于 Function Calling 打造，只是解决的实际问题不同，二者甚至并非互补，而是核心竞争关...