分享一下个人收集的一点零散后端RAG八股

1️⃣数据准备很多人上来就想着搭 Milvus 或 FAISS ,但根本没搞清楚自己要检索的是什么。RAG 的灵魂在知识库。而知识库的质量，取决于数据处理的精细程度。2️⃣检索召回很多人以为用个 embedding 模型就完事了。但 embedding 模型之间差距极大。在实际项目中，我们踩过很多坑：同样一份知识库，换不同 embedding 模型， RAG 的命中率能差出30%以上。3️⃣Query 理解：很多人以为检索的 query 就是用户的问题本身。但在实际场景里，这一步其实最"坑"。🍊那到底哪一部分最难搞？最难的是让整个系统"协同"起来。这需要你既懂算法，又懂工程。需要同时考虑：1.文档更新频率（知识库维护）2.向量召回性能（索引优化）3.Prompt 格式（生成阶段控制）4.模型响应速度（ API 并发与缓存）换句话说， RAG 是所有"大模型项目"中最能体现"算法工程师功底"的模块。它要求你既能设计算法，又能搭系统。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

本人是2018年本科211财经院校毕业，毕业之后折腾了一下最后一直在四大做咨询，2024年跑到欧洲读了2年硕士，如今毕业在即（毕业时刚好满30.）因为见识到ai的魅力与威力（虽然这句话有点假，但是做过咨询的小伙伴应该会懂我哈哈哈）想转行ai产品经理。想要请教大家：1.大龄转行现实吗？2.因为在欧洲2年完全没有相关实习，准备回国马上找实习，我这种工作过多年+大龄背景，中小厂实习会有机会吗？最近压力很大脑子很乱，欢迎大家敲打。补充：我现在能想到最能说服自己的转行理由是大厂产品经理工资高，包三餐

🐧厂后端开发去年帮一个校招生学弟准备面试发现他每天背八股文背到崩溃…现在校招八股真的有点顶…我：为什么不用Java Guide？或者八股网站很多吧他：看了就不理解，也表达不出来。作为一个程序员看到烂产品就手痒于是...我决定自己做一个---3个月时间：💻 晚上下班回家写代码💻 周末全泡在咖啡厅💻 女朋友都以为我出轨了（bushi）终于做出来了！核心功能：✅自研面试大模型（专注人话）✅ 卡片式刷题（像刷抖音一样丝滑）✅ AI实时答疑（不用自己百度了）✅ 通俗化讲解（人话，不是百度百科）✅ 个性化推题（根据你的薄弱点）⚠️关键触达前期没做，我可以像辅导学弟一样告诉你要复习了！---昨天给学弟试用他用了2小时说："哥，这个能不能给我室友也用？"我：行啊，反正都做出来了今天又来了5个人...想了想干脆给大家也用用看---所以...现在开放内测，想试试的评论"1"

在我眼里八股不会消失，只会减弱面试时的比例。举一个例子，假如自己在工作时突然出现了一个sql超时的问题该如何排查？这个时候可以用ai吗？ai此时给出的最理想的回复也只能可能是从业务超时分析到可能某条sql超时了。那么具体是因为什么超时呢？那ai是没法去查的，毕竟公司里数据库可不是自己想去直接访问就能访问的。如果这是一个线上问题那是不是就抓瞎了。要明确的一个道理是在AI时代，AI只能是我们的员工或同事，在这个角色定位下，我们作为AI的“领导”，必须比他懂得多，能在设计架构或者查错时为他兜底。如果面试时连八股这种最基本的反映技术沉淀的东西都不考察，那该怎么相信你指挥AI写出来的东西不出错。难道到时候出了线上bug的时候领导让排查一下，咱们回一句“我不知道啊，AI写的”当然现在能够合理地使用AI，是绝对能大大提高我们的效率的，因此面试考察时这部分的占比会增加，但绝不会是把基础知识都挤占完了。想起来自己25年面美团暑期实习的时候，我问面试官问了很多开放性问题，这些都是他们遇到的问题吗？面试官说不那么爱一直考八股，不过八股肯定要考一部分，这起码证明了你用心准备，是个态度问题。这也证明了八股在某种程度上是评估候选人的必修项，可以不多，但不能没有。领导和你说“设计一下这块系统的日志系统和埋点”，或是和你说“把这块的协议设计一下”，那么我们是用消息队列还是用缓存，或是用本地内存，怎么选呢？这些东西我们能让AI做，但自己必须得很清楚各种方案的优劣，结合业务场景哪种方案最优。上面这问题不就是面试中的八股以及对应的一些设计题嘛~所以说，八股（基础知识）不会消失，但会降低考察的频度。除非真的有一天AI可以完全自我迭代，那样才完全不需要我们再去学习底层的八股知识