这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

兄弟们，七面终上岸！😭😭一路走来满是坎坷与波折，从最初的遥不可及、不敢奢望，到如今咬牙坚持终得圆满。付出了无数努力，熬过无数难熬的时刻，也算给前段时间的埋头拼搏画上圆满句号。点赞多的话，后续整理完整面经，分享经验干货，帮大家少走弯路～

对不住了bro哈哈哈哈哈

自我介绍项目1. 介绍下 Agent 项目中和亮点2. 项目的主要难点是什么3. 举一个项目中的例子4. ES 在项目中的功能5. 检索结果如何进行融合6. 具体是怎么生成向量的，维度是多少7. 怎么让模型知道有哪些工具，以及模型是如何调用工具的8. SSE 协议返回信息的格式是什么样的9. 记忆模块怎么设计的10. 短期记忆放在哪11. 结构化信息有哪些12. 什么时候开始长期记忆抽取13. 使用 Redis 存储短期记忆产生的大 Key 问题怎么解决14. 如何设计一个上下文卸载功能？15. Agen 执行时间长，在服务重启/崩溃后，如何保证可以接着执行任务，保证任务可以完成MySQL 1...