1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

真不是我酸，我是真看傻了。我和这哥们儿基本水平差不多，甚至我平时刷题还勤快点。结果这哥们从上个月开始就没怎么正经背过八股，天天在那鼓捣一个叫 Nymard 的 AI 面试助手。前几天他面某大厂，我搁旁边偷听了一下。好家伙，面试官问的那些深挖项目的坑，他基本是对着屏幕秒回。我以为他在读屏风，结果他面完给我展示了那个 Nymard，说是能实时识别面试官说话，然后根据他自己的简历和项目库自动生成最稳的回答思路。关键是那语气，AI 给出的参考不仅专业，还带点“人味儿”，面试官全程点头。今天他跟我说 Offer 到手了。我是真服了，现在面试难道已经进化到拼科技了吗？大家觉得这种算“物理外挂”吗？我是该举报他，还是该问他要个安装包？😅

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

面试官好专业，一直在问我架构，有的专业名词我听不太明白。。。。还有kafka也能算存储结构吗，我问了下ai，ai说不算。。。。