面试官人超好，最后主动给我讲了面试反馈建议，全程没有问八股，都是问的技术选型/ai发展等等，收获巨大，早点上次的阿里国际也去面面了（被我睡过头鸽掉了）秋招一定再冲一下阿里简单做一下自我介绍。为什么要做 RAG 知识库这个项目？项目技术选型为什么选用 MySQL、Redis、Kafka 这些组件？除了 ES 做向量检索，还了解其他实现方案吗？做 RAG 链路，社区有没有其他现成 / 流行的方案，有没有做过调研？项目中比较有挑战的地方是什么？数据清洗、日期提取这个问题是怎么发现的？为什么不自己部署一个模型，而是用 DeepSeek API？会结合实时检索内容发给大模型吗？是模型自身检索还是 age...

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...