精选文章
社招面试：你有什么想问我们的吗，最后一个问题定胜负！
社招面试最后的「反问环节」回答策略：准备2-3个有深度的问题，问业务、问团队、问发展——展示你的诚意和思考深度。
AI简历姬内容团队
阅读全文 →
先看结构
从 ATS（申请人追踪系统） 兼容、模块顺序、关键词映射入手，先把简历做成“能过筛、能被看懂”的版本。
再补证据
围绕项目、结果、数字和岗位相关性补证据链，避免空泛描述和批量套模板的痕迹。
最后做投递
把文章里的方法和工具页串起来，形成“写简历 - 改简历 - 投递 - 面试”的完整求职流程。
专题栏目
每个栏目按不同求职阶段拆解，适合从问题出发快速定位阅读入口。
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：Step-back Prompting如何用于复杂推理检索
如果只说结论，**Step-back Prompting 在AI大模型RAG面试中频繁出现，本质上是在测试你是否理解“让模型先退一步，获取更广泛的上下文再回答”这个核心思想**。对求职AI算法岗位的同学来说，先弄清楚这个技术背后的
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：为什么RAG检索后通常需要Reranker
如果你正在准备AI大模型、自然语言处理或搜索推荐相关的技术面试，很可能已经遇到过关于 RAG（检索增强生成）和 Re-ranker 的问题。**直接给出结论：Re-ranker 是 RAG 系统中决定最终回答质量的关键环节，面试官问它
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：RAG检索为空时系统如何降级处理
如果面试官直接问你“RAG检索结果为空时怎么办”，核心答案是：**系统不能直接崩溃或输出无意义内容，必须设计多级降级策略**，包括查询重写、知识库扩展、生成模型兜底、以及用户交互层提示。这篇文章会从面试考点
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：如何实现基于路由的多知识库检索
如果你正在准备AI大模型方向的面试，尤其是涉及检索增强生成（RAG）的岗位，那么“路由检索”和“多知识库”几乎是绕不开的高频题。简单来说，路由检索决定了系统应该从哪个知识库或源去获取信息，而多知识库则是把
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：多跳推理问题如何设计RAG检索流程
AI大模型RAG面试题主要围绕“检索增强生成”的技术原理、多跳推理的实现方式以及检索流程的细节展开。对于求职者来说，面试官通常不会只问一个孤立的概念，而是会结合应用场景考察你对“如何让模型从外部知识中获取
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：HyDE的原理和适用场景是什么
很多准备大模型相关岗位面试的朋友，在复习RAG（检索增强生成）技术时，常被HyDE（假设性文档嵌入）这个名词绊住。如果只说结论：HyDE的核心价值在于弥合用户查询（query）与候选文档（document）之间的语义鸿沟，通
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：HNSW算法如何平衡检索速度和召回率
如果你正在准备AI大模型RAG（检索增强生成）相关岗位的面试，一定会遇到HNSW（Hierarchical Navigable Small World）算法这道高频题。直接说结论：HNSW是目前RAG系统中向量检索最主流的算法之一，面试官通...
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：IVF和HNSW适用场景有什么不同
如果你正在准备AI算法岗面试，尤其是大模型与RAG方向，那么IVF、HNSW、向量索引这几个概念几乎是必考内容。直接说结论：面试官问这类问题，不是让你背概念，而是考察你对**检索效率与精度平衡**的理解，以及能否在真
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：查询扩展在RAG中如何使用
如果你正在准备AI大模型相关的面试，尤其是RAG（检索增强生成）方向，那么查询扩展（Query Expansion）几乎是绕不过去的知识点。直接说结论：查询扩展并不是一个复杂的概念，但在面试中，面试官往往会考察你对其原理
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：混合检索如何确定Dense和Sparse融合权重
如果你正在准备AI大模型RAG相关的面试，难免会遇到一个高频考点：**如何将Dense检索与Sparse检索有效融合**？面对这个问题，多数候选人的第一反应是背公式——列几种融合方式，但面试官更想听的其实是“你有没有真正
大模型RAG面试题,RAG面试题,缺点面试怎么回答
大模型RAG面试题：Dense Retrieval和BM25各有什么优缺点
如果你正在准备AI大模型岗位的面试，尤其是RAG（检索增强生成）方向，那么一定会遇到这几个关键词：**Dense Retrieval、Sparse Retrieval、BM25**。很多人被问到时要么只背概念，要么混淆不清。先说结论：面试官...
大模型RAG面试题,RAG面试题,面试题
大模型RAG面试题：Embedding向量是否需要归一化处理
如果你正在准备AI大模型RAG（检索增强生成）相关的面试，向量归一化和Embedding几乎是必问的知识点。很多人会先背诵定义——向量归一化是将向量长度变为1，Embedding是将离散对象映射为连续向量——但面试官其实更想