第二版新鲜出炉

一面-15min前期简单和HR沟通过了，HR大概意思就是你的期望薪资有点高。如果低于这个薪资你会不会来，我的回答是肯定的。后来HR又介绍了公司的业务情况等，定了大概的时间在某个晚上的九点以后。二面-35min面试官看起来年纪稍长了，估计在40左右。这个面试流程并不像其他公司，一上来也没有简单自我介绍什么。面试官全程都让我在上帝视角总结归纳。当初为什么来北京？平时你工作主要负责那些内容？写过那些驱动呢？这里我回答的是，平时完整写一个驱动的机会比较少，主要还是解决问题为导向。你平时是怎么解决问题的？你觉得解决问题最重要的是什么？有用过那些工具？这里我的回答是以人为导向的。分析问题的能力：穷举各种可...

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

28届9本想通过这个简历找个日常实习可以吗

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...