38 请详细说明 RAG(检索增强生成)的流程,并解释切片(chunking)在其中的作用及常见策略。考察候选人对 RAG 全流程的理解,包括检索、生成、切片等关键环节,评估其 AI 应用开发能力。 查看学习思路
39 请讲解你做过的一个 AI 全栈项目,并说明在开发过程中如何与 AI 协作,以及如何评估 AI 生成代码的质量?考察候选人的 AI 全栈项目经验,包括项目架构、AI 技术应用、与 AI 协作开发的能力,以及对 AI 生成代码质量的评估方法。 查看学习思路
42 在可观测性链路搭建完毕之后,如果用户反馈一次提问,给到的答案他并不满意,要如何排查?如何确定是Prompt的问题,还是什么问题?考察候选人利用可观测性数据系统性排查Agent输出质量问题的能力,特别是区分Prompt问题与其他问题。 查看学习思路
48 大模型prompt caching、KV Cache你有了解吗?在你的系统里面,如何提高cache的命中率?在Spring AI这一侧需要做哪些工程实现?考察候选人对大模型缓存机制的理解,以及在Spring AI框架下的工程实现能力。 查看学习思路