本文是大模型面试精选的第二辑，从不同角度精选20道高频面试题，涵盖模型架构、训练技巧、部署优化、Agent、多模态等核心知识点，适合准备大模型相关岗位面试的同学。

本文是大模型面试精选的第二辑，从不同角度精选20道高频面试题，涵盖模型架构、训练技巧、部署优化、Agent、多模态等核心知识点，适合准备大模型相关岗位面试的同学。

Google推出AI代码文档工具Code Wiki，自动生成并实时更新文档。它通过Gemini大模型分析代码逻辑，提供自然语言查询、架构图可视化等功能，支持热门开源项目。相比传统工具，Code Wiki无需手动维护，代码变更时文档自动同步。该工具适用于理解开源项目、团队协作和技术学习等场景，未来将支持私有仓库。

Google推出AI代码文档工具Code Wiki，自动生成并实时更新文档。它通过Gemini大模型分析代码逻辑，提供自然语言查询、架构图可视化等功能，支持热门开源项目。相比传统工具，Code Wiki无需手动维护，代码变更时文档自动同步。该工具适用于理解开源项目、团队协作和技术学习等场景，未来将支持私有仓库。

2025年最新Embedding模型选型指南：Qwen3系列表现突出。文章从语言支持、模型大小、部署方式和成本四个维度，为中文、英文及多语言场景提供选型建议。新发布的Qwen3-Embedding系列在MTEB榜单中超越OpenAI和Google，性能提升40%，适合高精度需求。针对RAG系统等不同场景，文章给出具体模型推荐和代码示例，并比较本地部署与API调用的优缺点，帮助开发者根据性能、成本和

本文介绍如何使用LlamaIndex的Adapter适配器技术微调嵌入模型，无需大量GPU资源即可提升特定领域的检索效果。Adapter方法通过在预训练模型上添加轻量级适配器层，仅训练少量参数，显著降低计算需求。文章详细演示了从数据准备（自动生成问答对）、模型微调到效果评估的完整流程，对比了Adapter与全量微调的效果差异。该方法适用于BGE、OpenAI等各类嵌入模型，特别适合垂直领域RAG系

本文介绍了使用LlamaIndex微调Embedding模型以提升RAG系统检索效果的方法。主要内容包括：1. 采用三步走策略：自动生成训练数据集、模型微调和效果评估；2. 详细代码解析，展示如何用LlamaIndex实现从PDF文档自动生成问答对训练数据；3. 使用SentenceTransformersFinetuneEngine进行模型微调；4. 通过命中率评估模型效果，实验显示微调后命中率

混合查询架构优先使用向量数据库检索 自动质量评估和回退机制必要时切换到 MySQL Text-to-SQL 查询智能回退策略基于相似度分数判断结果质量检测回答中的低质量关键词自动触发 MySQL 查询回退

混合查询架构优先使用向量数据库检索 自动质量评估和回退机制必要时切换到 MySQL Text-to-SQL 查询智能回退策略基于相似度分数判断结果质量检测回答中的低质量关键词自动触发 MySQL 查询回退

刚开始做的时候，根据网上提供的几篇文章去测试，都发现一个问题，当开发者提交合并代码的请求时，管理员还没同意merge，gitlab webhook 就去通知jenkins 执行构建任务，管理员同意merge 后，jenkins 却没有收到任务构建任务。后来发现合并请求审批者同意合并时发起的是push请求，总以为是merge请求。