竞技世界丨2025届校招正式启动！

1. 虾皮广告搜索 Base 北京Time Line：2.23 投递2.24 一面，一面完之后几小时约二面3.2 二面，二面完之后2小时约HR面3.9 HR面3.11 OC2. 懂车帝Agent架构 Base 杭州Time Line：2.16 投递，投递之后很快约一面2.25 一面，一面完之后第二天约二面3.5 二面，二面完之后很快约HR面3.11 HR面3.12 OC3. SenseTime（商汤）AI Infra Base 北京Time Line：2.23 投递，简历评估走了很久2.28 一面，面完之后过了几天约二面3.10 二面+三面3.10 OC

不过大厂的面试确实比小厂能学到更多

都不敢投产品，投了个运营，为什么就秒挂了呀…

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，...