程序员面试专题库

提示词不是临时文案。只要影响线上输出，就需要版本、评测、灰度和回滚，否则一次小改动可能破坏大量已有场景。

评测集不是攒一堆问题，而是覆盖真实任务、历史坏例和边界场景，让每次改动都有回归依据。

RAG 的评估不能只看召回率，要看证据是否可答、答案是否基于证据、坏例能否持续减少。

RAG 回答错了，不一定是模型问题。面试里要按资料、切分、召回、重排和生成分层归因。