1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

目前这个简历投直接秒挂，想问问各位大佬哪里出问题了

一面介绍一下SSR和SSGSSR为什么能够减少渲染时间SSR的缺点介绍一下PrismaPrisma如何解决sql注入问题介绍一下浏览器缓存（协商、强制缓存）项目技术难点后端服务器是怎么维护的如何解决这个难点JS-正则表达式JS-Event Loopasync-await微任务还有哪些？深拷贝实现今年突破最大的三个AI产品用cursor吗？Agent模式？其他的……Vue和React区别React17、18、19之间的区别全栈——SSR一定一定要搞清楚，两次大厂面试都是挂在这里工程题：手写深度拷贝 + Promise输出判定