📢帆软×武大梦幻联动！当数据遇见珞珈山~

这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

蚌住了，沉淀三个月  收到的面试反而更少了，大部分做完了测试就了无音讯，大模型应用，产品，AIGC，甚至售前工程师我也愿意做啊！这个时代怎么了？为何不愿意接受双非生😭

要了简历逗逗我吗，😭，是不是简历是一坨，请教一下佬，不玻璃心

1. 自我介绍2. 如何在工程上实现兜底机制？具体到代码层面怎么做？答案：兜底机制不能只写一句“失败后重试”，要按失败类型分层。模型层可能超时、限流、返回格式错误；检索层可能无结果、召回低相关；工具层可能参数错误、权限失败、下游服务不可用；生成层可能答案无引用或不符合 schema。不同错误要有不同兜底，不能统一重跑。工程上我一般会做三层兜底：第一层是重试，比如超时、临时网络错误可以指数退避重试；第二层是降级，比如大模型失败就切小模型，rerank 失败就用召回分数排序；第三层是安全返回，比如证据不足就拒答，工具失败就返回部分结果和失败原因。对于有副作用的工具，不能盲目重试，必须加幂等 key...