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 ...

是简历有问题吗

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

研究背景与样本说明本文基于腾讯（支付、企微、腾讯音乐、QQ 浏览器、腾讯新闻等）、字节跳动（TikTok、用户增长、交广等）、百度、美团、京东、Shopee、虾皮、携程等多家互联网公司前端实习面试样本进行归纳分析，重点聚焦计算机网络相关考点。样本特征如下： 覆盖一面、二面及深度追问场景  包含项目驱动型提问 + 八股知识型提问 明显体现当前趋势：从“记忆型八股”转向“原理 + 场景 + 取舍”你往下看就知道考的高不高频率了就是说核心结论：计网考察的三层模型当前大厂前端计网考察，已形成稳定的三层结构：1. 基础认知层（必答正确） HTTP 各版本差异  TCP / UDP 基础  HTTPS 原...