先简单做个自我介绍。你现在还在实习吗？说一下你实习时候的工作。这几项工作都是你独立做的吗？你主要负责哪一个？RAG和传统搜索有什么区别？为什么不直接用关键词检索？举个例子，智能体和大模型怎么交互、协同？工作流程是什么？检索这块你做过效果上的优化吗？有具体的优化案例吗？从效果不好到变好的过程。怎么保证积分可靠性，防止多扣/多增？分布式锁原理大概是什么？SETNX 的功能是什么？加锁后进程异常退出，锁泄露怎么办？介绍一下 Spring AI 这个框架。是用 workflow 方式搭建的 agent 吗？用 Spring AI 写一个 agent 的过程大概是什么样的？整个过程完全是大模型自己决策吗...

1. xgboost 为什么叫梯度提升树因为它本质上就是：树：基学习器是 CART 回归树提升：一棵一棵往上加梯度：每一轮拟合的是损失函数对当前预测的负梯度普通提升树可以理解成拟合残差，XGBoost 是把“残差”推广成了更一般的梯度下降框架，而且用了二阶导信息，所以比传统 GBDT 更强。2. 知道什么概率模型？朴素贝叶斯，说一下贝叶斯的思想概率模型就是用概率分布描述数据和变量关系的模型，比如：朴素贝叶斯HMMCRFGMM贝叶斯网络贝叶斯思想就一句话：先验 + 数据 = 后验。公式：[P(A|B)=\frac{P(B|A)P(A)}{P(B)}]朴素贝叶斯做分类时，假设特征在给定类别下条件独...