面试指导复盘
一.技术性知识相关1.
01.具体都采用了什么策略来减少大模型的幻觉,效果怎么样,怎么做的效果检测;
2.你的RAG如何实现的信息隔离,你的策略在召回前还是召回后,为什么这么设计;
3.你的工具如何判断是否该调用,如果没调用怎么发现怎么修正,多个工具调用怎么规范调用顺序与结果返回;
4.你创新的记忆架构具体怎么设计的，为什么这么设计,这么设计在你的项目里解决了哪些问题;
5.有没有,是怎么做的对不同错误情景的处理,遇见不同问题的降级策略都是什么;
6.你的长期记忆具体怎么存储的,存储的哪些信息;
7.为什么选用langchain架构而不使用原生代码,利用langchain做了什么;
8.多个agent之间的关系与如何实现通讯,为什么这么设计你的通信机制;二.技术性知识相关
2.01.RAG本地知识库的分块chunk_size与overlap设置,为什么选择这个大小;2.embedding模型选取,为什么选择这个模型,经过对比有什么区别;
3.采用什么数据库存储向量信息,它的优势在哪里;
4.置信度阈值过滤策略;
5.chunk的嵌入模型和query的嵌入模型是否一致,为什么这么选取;
6.你的项目用的哪种MCP通信机制,为什么这么选择;
7.混合检索与传统召回的区别;8.你是怎么做评测的,效果好不好,有没有采取一些策略来提高召回率,做了什么,效果怎样.
三.技术性知识相关3,01.你的本地模型是怎么部署的,多少b,首token延迟考虑了吗,部署在本机的哪里
四.重点问题
1.项目玩具属性太重,太多地方纯靠prompt约束,只会调api,项目背景不明确,很多地方没做好错误降级处理,工程化落地不够;2.相关八股没背或者没理解完全.
五.收获
1.将项目重构,力求自己说清讲明,做好各种可能情况的处理,设计好降级策略，做好工程化落地而非demo;2.思考如何体现自己的竞争力,不能只是调API,思考如何让自己的简历让面试官感兴趣;
3.八股背好