1. 自我介绍2. 介绍一个课内做过的算法项目3. 简历项目介绍4. 项目中遇到的困难，积累了什么经验？5. 用过什么 AI Coding 的工具？感觉怎样？6. 介绍一下你的 RAG 项目的创新点和经验7. 介绍一下你的多智能体项目的经验8. 你的编程能力和数学能力都很强，都获过奖，未来是否考虑转战算法岗？9. 对工作地的期望？10. 未来升学职业规划网易的面试官比字节等其他大厂的温和得多，压迫感也更小，全程回答的还算可以，没有卡壳，感觉这次有戏

求修改嵌入式软件简历，大三想找暑期实习

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...