1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

985，算法，26届。投了将近一个月，今天复盘了一下整个过程，发现有几个地方效率极低，记录一下。 弯路1：用时间换"仪式感"，而不是实际进展 每次投递前我都要把简历再过一遍，看有没有要改的地方，然后再提交。这个习惯让我每次投递额外多花20-30分钟。 真相是：第N次看简历发现的问题已经边际效益趋近于零。这些时间用来多投几家或者多刷一道题更值。 弯路2：网申填表没有自动化 算法岗很多公司有独立网申系统，我前期手动填了十几家，基础信息一遍遍重录，连父母职业、家庭住址这些都要写。 后来用了牛客网申助手，一次录入之后，打开任何公司的网申页面自动填写，反思了很久为什么没早点用这种工具...