移动研究院终面

说实话，最近这大环境确实让人焦虑，但要不要因为行情降级找工作，我觉得得看核心逻辑。作为在新能源车和电池测试领域做大数据架构（天天跟Doris、Kafka、Flink CDC打交道）的开发，我个人的态度是：薪资可以适当妥协，但技术栈和赛道绝对不降。行情差时很多人病急乱投医，随便找个边缘业务坑就蹲了，干两年发现技术没长进履历还花了，等回暖连跳槽的资本都没了。我的底线是，哪怕平薪或微降，也要去有真实数据流处理场景或硬核业务的团队。毕竟咱们做软件开发的，技术深度和业务理解才是抗风险的最大底气。短期少拿点钱可以当成买核心项目经验，但千万别为了个保底Offer把职业规划全盘推翻，不然真成了温水煮青蛙，大家...

要求每天至少对话100次🤣现在必须得all in AI了

其实是简历求拷打 各位佬尽情拷打吧

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...