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 ...

大佬们，我快顶不住了。up四非本211硕投了三十家了，只有滴滴给了面试，但是是处女面，一面挂了。美团笔试做了后似乎太差，三个志愿都挂了华为笔试挂网易笔试挂京东投了没给面，一直泡池子百度一直挂一直投快手也是一直挂一直投阿里10个已经挂了7个，剩下三个估计也没戏了字节给面，约了下周三腾讯还在池子里pdd估计这两天笔试其他的厂都是投了没鸟我想请教一下大佬，是简历有问题么需要补充ai的项目进去么，要做rag的项目么还是agent感觉自己凉的不能再凉了啊，周围的同学基本都拿到offer了，好焦虑

礼貌提问，美团这种是已经挂了还是什么意思，最上面写进行中，又写已结束，下面又写被筛中

在阿里做了6年策略产品，面试过的候选人少说上百个。面得越多就越发现一个规律，那就是大部分人的面试准备方向，从一开始就错了。不是说你技术不好，也不是你经验不够。而是你以为面试在考A，其实面试官在看B。今天从面试官视角来看策略PM的面试，聊聊一面、二面、三面，面试官真正看重的是什么。一面：你以为在考技术，其实面试官在看你怎么定义问题一面通常是你团队中的peers，或者是你的师兄。也是和你未来一起干活的人。很多候选人准备一面的方式是：刷AB测试题、背推荐系统架构、准备指标体系拆解。这些都没错，但这只是门槛。我印象很深的一个候选人，技术功底相当扎实。推荐系统的召回、粗排、精排、重排讲得头头是道，AB测...