长鑫存储秋招正式批offer进度

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

2026年03月13日 滴滴-网约车平台全程40分钟一、项目与实习经历索引与效率平衡：在将数据存入 ES（Elasticsearch）时，是如何平衡索引力度和查询效率的？有没有做冷热分离等策略？Agent交互模式：堆栈分析到代码定位的链路中，与大模型的调用是单轮还是多轮（Auto-agent）？为什么这么选择？Prompt设计：你的 Prompt 是怎么设计的？准确率评估：诊断 Agent 的准确率是如何评估的？有没有办法将这个验证流程也自动化？幻觉与长文本问题：有没有遇到过大模型产生幻觉（定位错误代码）的情况？如果遇到文件过长超过上下文窗口限制，你会怎么解决？二、场景设计题（司机智能接单助手...