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...

人怎么对AI的容忍度如此之大  

背景由于所在的外企撤出中国，我再次开始了面试之旅。这次我没有选择大厂和小公司，而是主要聚焦在外企和中厂。经过一段时间的面试，我发现 2026 年的前端面试已经发生了显著的变化，特别是 AI 相关的内容占比大幅提升。面试内容分布根据我的面试经历，2026 年前端面试的内容分布大致如下（本人接近十年工作经验，仅供参考）：coding 20% （LeetCode 算法题和手写代码各一半吧）八股文：20%（主要是 React Fiber 等核心原理）项目经历：30%系统设计：10%（如设计一个支付页面）AI相关问题：20%（这是 2026 年的新重点）可以看到，相比几年前，AI 相关的内容已经成为面试...