外观
DocMind 面试知识库 — 文档索引
本文件夹包含 DocMind 项目的全部面试准备资料（15 篇文档）。 上传到 Claude Project 后，可用来模拟技术面试和撰写简历。
按问题类型查找
| 面试问题类型 | 查哪些文档 |
|---|---|
| "介绍一下你的项目" | 01（全景）+ 13（一句话描述） |
| "Agent / RAG 怎么设计的" | 02（Agent 设计）+ 03（检索链路） |
| "遇到过什么问题，怎么解决的" | 04（20 次迭代记录）+ 10（评测发现） |
| "工程化细节 / 并发 / 缓存" | 05（工程化实践） |
| "项目不足 / 缺点" | 06（待优化清单）+ 08（痛点分析） |
| "后续怎么演进" | 07（扩展方向）+ 12（改造计划） |
| "评测怎么做的 / 数据呢" | 09（评测体系）+ 10（评测结果） |
| "面试官质疑 / 追问" | 11（33 个高频质疑应答） |
| "生成简历内容" | 13（量化成果 + STAR 故事 + bullet points） |
| "代码结构 / 项目规模" | 14（文件级工程地图） |
文档索引
| # | 文档 | 核心内容 | 面试场景 |
|---|---|---|---|
| 01 | 项目全景与架构设计 | 项目定位、业务场景、技术选型、整体架构、部署架构、数据库设计 | "介绍项目""技术选型理由" |
| 02 | Agentic-RAG核心设计 | Supervisor-Worker 拓扑、ReAct 模型、工具调用、降级策略 | "Agent 怎么设计的" |
| 03 | 检索与排序链路 | 多路召回、RRF 融合、Cross-Encoder 重排、上下文压缩 | "RAG 检索链路细节" |
| 04 | 优化迭代记录 | 20 次优化的背景→方案→结果→面试话术 | "遇到什么问题""怎么优化的" |
| 05 | 工程化实践 | 安全体系、文档处理链路、Prompt 工程、前端架构、并发设计、缓存、SSE、可观测性 | "工程化细节""安全怎么做" |
| 06 | 待优化清单 | 已识别优化方向和优先级 | "还有什么不足" |
| 07 | 项目深度扩展方向 | GraphRAG、Plan-and-Execute、评估体系 | "后续怎么演进" |
| 08 | RAG系统痛点分析 | 五层痛点审计 + 优化路线图 | "RAG 有什么不足" |
| 09 | 评测体系建设 | 离线评测框架设计、对照矩阵 | "评测怎么做的" |
| 10 | 评测结果与发现 | 52 条评测真实数据 + 6 个 war story + 反直觉发现 | "数据是多少""意外发现" |
| 11 | 面试高频质疑应答 | 7 类 33 个高频质疑逐条应答 + 追问预判 | "为什么不用 X""公式写一下" |
| 12 | Agentic-RAG改造执行计划 | 4 Phase 10 Step 执行手册 | "改造计划" |
| 13 | 简历素材与STAR故事 | 量化成果总表 + 12 则 STAR 故事 + 简历 bullet points + 技术选型对照 | 简历编写 |
| 14 | 项目工程全景 | 143 Java 文件逐文件注解 + 数据库 schema + 配置参数 + Prompt 模板 | "代码结构""项目规模" |
Claude Project 使用建议
面试模拟
在 Claude Project 的 system prompt 中写：
你是一名资深技术面试官。基于知识库中的 DocMind 项目文档，模拟一场 45 分钟的 Java 后端 / AI 应用技术面试。先让候选人介绍项目，然后逐步深入追问技术细节，最后挑战薄弱环节。对不充分的回答要追问，对好的回答要肯定。
简历生成
在 Claude Project 中发送：
基于文档 13（简历素材与STAR故事），为 [目标职位] 生成简历中的项目经历部分。要求：3-5 条 bullet points，每条动词开头 + 技术 + 量化结果，总长度不超过 200 字。