1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

如题，八股现在背了一半，hot在刷2遍了，但是好多忘了喵，现在打算边投遍复习了，简历还有要修改的吗？求狠狠拷打喵！！！！

🕐面试时间：26.4.7-一个小时💻面试岗位：智能体与大模型应用开发❓面试问题：1、面试官先介绍下岗位和业务2、自我介绍3、NL2SQL项目的数据源和数据表有什么类型4、NL2SQL的具体流程介绍一下5、提到的用户开始会话之前选择数据源和数据表，这个怎么做的？是用户自己选的还是根据用户的问题智能体选择对应的表？6、那假如1w+数据表，用户该如何选择呢？答：这种场景下就得使用智能推荐去找相似度高的表。7、你理解的Agent系统架构是什么样的？包含哪些层，具体功能是什么？8、提到了Skills，了解过Skills吗，在实践中有用过Skills吗？9、CLI有没有了解过？10、CLI和MCP的区...