滴滴加面

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 ...

搞笑呢？？？？？

吓哭了，明天被面试塞满了

最近按当前筛选整理了一波面经，这次挑了 10 篇相对值得复盘的内容，方便刷题和回看。1. 快手｜AI应用开发｜一面日期：2026-05-07关键词：快手面经难度：5 星标签：技术面 / 有代码题技术栈：Agent、Multi-Agent、MCP、Skill、Function Call、上下文工程、上下文压缩、短期记忆面经总结本场一面重点深挖AI Agent应用能力，尤其是多智能体、工具调用、上下文压缩与记忆架构设计，并考察了一道经典算法题。高频问题【Agent与工具调用】介绍多智能体范式以及各自优缺点。【Agent与工具调用】聊聊你对MCP的理解。【Agent与工具调用】是否了解Skill，介...