围绕淘宝闪购 AI 工程岗终面常见问题，系统拆解 RAG、Embedding、相似度计算、Prompt 注入防护、Agent 演进、文件上传、权限过滤和 AI Coding 等核心知识点，帮助把 AI 项目讲得完整、可信、可落地。
围绕 AI 编程、Agent 框架、代码库检索、生产故障排查、安全工具和 GPU 内核优化，梳理 13 个 GitHub 开源项目的核心能力、适用场景和使用限制，帮助快速判断哪些工具适合放进自己的开发工作流。
大模型接入业务系统时，单靠“请输出 JSON”很容易出现字段缺失、类型错误和多余文本。通过 JSON Schema、Structured Outputs、代码校验和重试机制，可以把自由文本输出变成可被程序稳定消费的数据接口。
RAG 系统的回答质量很大程度取决于检索链路。围绕索引层、查询层、召回层和重排序层，讲清 Parent-Child Chunking、Query 改写、多路召回、RRF 融合和 Rerank 精排的原理、组合方式与取舍。
Vibe Coding 适合快速写原型，但很难直接支撑生产级后台开发。Agentic Engineering 把 AI 放进需求澄清、计划制定、编码、审查、部署和修复的结构化流程里，让开发者负责目标、约束和审核，AI 负责执行可自动化的工程动作。
Hermes Agent 的 Skills 系统让 Agent 能把复杂任务经验沉淀成可复用技能，并在后续使用中自动检索、加载、修正。这里从 Skill 创建、索引缓存、条件激活、渐进式加载、安全扫描和自改进机制几个角度拆解它的核心设计。
RAG 文档切割如果把完整语义拆散，向量检索可能召回不到真正答案。围绕重叠切割、语义边界切割、句子窗口检索、父子切割、命题化切割和 Contextual Retrieval，讲清语义截断的成因、解决思路和工程取舍。
RAG 系统做文档切割时，固定长度分块容易把完整语义拆散，导致向量检索召回失败。这里系统讲解重叠切割、语义边界切割、句子窗口检索、父子切割、命题化切割和 Contextual Retrieval 的原理、实现方式与选型取舍。
