二面hr面，三面部门领导面，无技术问题，故略请先做一个简单的自我介绍。你们这个系统是用什么技术栈？我看到是 Spring Cloud、微服务、Redis、MySQL 还有 Kafka，是吧？Kafka 在你们这里是用在什么样的场景呢？除了 Kafka，有了解过其他的消息中间件吗？比如 RabbitMQ、ActiveMQ？Kafka 和 RabbitMQ 有什么区别？有了解过消息中间件如何做到消息不丢失吗？我看你们这里边也用到了 AI 模型，当时是怎么用的？你对 RAG（检索增强生成）是怎么理解的？解释一下它的意思。关系型数据库除了 MySQL 还用过其他的吗？你们 MySQL 用的是什么版本的...

（ps：时间，2024年11、12月）华子：我们这边周三周五不建议加班，提倡多陪陪家人我（内心os）：我都定青浦了陪哪门子家人我：好的，谢谢面试官，我这边还需要再考虑一下华子：？？？你不准备接我们的offer吗？？？我：我得考虑一下，感谢贵司的来电，再见。后官网拒之，父母哀之，吾亦哀之。然父母之哀，在憾失光耀门楣之机；吾之哀，在闻“三五不加”，则一二四之劳形，可不言而喻矣。所谓“伴亲”，如镜花水月，堪叹堪悲。

你是否想打造一个靠谱的知识客服，或是搭建能精准回答问题的知识库？这就绕不开一项核心技术——RAG（Retrieval Augmented Generation），中文译为“检索增强生成”。听起来高大上的技术，核心逻辑其实很简单：先从资料库里检索相关内容，再基于这些内容生成答案，即“先检索、再生成”，这也是其名称的由来。作为目前最常用的AI问答方案之一，RAG已广泛应用于企业知识助手、智能客服等场景。本文将从应用场景、核心原理、流程拆解、专业名词解析等方面，带你全面掌握RAG技术，搞懂高质量智能问答系统的构建逻辑。前言我认为AI的基础知识是现在求职和实际工作所必须掌握的，不管是算法还是后端前端岗...