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 ...

求内推

收藏我了是进人才储备池了还是有戏了😂

📍面试公司：百度🕐面试时间：二面 5.11💻面试岗位：后端开发❓面试问题：自我介绍（背景+技术栈+实习+项目）什么时候可以到岗？实习时长？实习拷打根据你的理解说说 RAG 是什么？RAG 会出现什么问题你知道吗？如何优化你知道吗？LLM 回答出现幻觉怎么办？LLM 投毒怎么解决？JWT的组成部分？你的payload部分存的是什么？其他用户能通过一些手段看到payload部分的信息吗？为什么要使用ThreadLocal？本来想问ThreadLocal的内存泄露，又改成平时有没有遇到过OOM？讲一下你项目中rabbitmq的使用？怎么实现的延迟消息？说一下“redis解决共享session问...