秋招要凉凉了

面试很难，还是要多多练习，攒人品中！1、做RAG项目的时候，是怎么评测效果的？有哪些评测维度，具体用到了哪些指标？2、项目里的数据集包含什么内容，数据来源、数据格式是怎样的？3、如果让对RAG的相关度和回答效果做优化，有什么思路？有没有更体系化的优化方案？4、有一千条数据，需要做求和处理，这种数据处理场景怎么设计实现？5、RAG的性能怎么提升，有没有实际的优化思路（工程层面或算法层面）？6、项目里的上下文是怎么处理的？上下文过长、冗余等问题有什么优化方向？7、Agent的长记忆和短记忆之间，怎么做到协同工作的？两者的衔接逻辑是什么？8、有什么思路能让自己做的Agent更智能？手撕代码全排列

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 项目拷打3. 讲解一下图片的评测集是如何设计的4. 评测执行中，有哪些自动化提效的部分5. agent skill做ui自动化实现细节？6. 测试case的覆盖度如何，通过率大概多少7. badcase主要集中在哪些部分？8. 针对badcase,解决思路是什么？9. 你编写的功能脚本主要解决了什么问题？10. 代码手撕：如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？

其实来搜狐属于误打误撞，朋友刷到了小地瓜有人求继任的消息，抱着试试的心态投了简历，没想到居然过了。然后就直接约了mt面试。mt面试蛮专业的，主要是根据简历里面提到的项目和实习经历深挖，因为之前做过相关的实习，也有自己的创业项目，整体和岗位匹配度也比较高，所以很顺利就过面试了。总结下我的经验主要有两个！第一个就是简历大家一定要精修，这个就相当于你的名片，所以该量化的要量化，该总结的要总结，该标红的要标红。第二就是面试的时候不要紧张，不要一味地顺着问题走，要适当发散，说一些自己主要想展示的优势项~

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了