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...

实际情况是，简历上体现AI能力最有效的方式是把每条经验写成指标加所有权加未来应用的结构，先说明问题规模，再写自己负责的技术实现，最后给出结果数据和可迁移的能力。我强烈建议重点突出个人决策过程，同时用业务语言包装技术细节。

我只能说，能够A出3题的人都是很牛逼的

想找ai开发应用或者agent相关，这个简历有这么差吗，到现在都没找到有点焦虑，求指点和推荐