了解过 go 语言吗Java 的 Hashmap 的底层原理，如何进行扩容的correntHashmap底层原理，和hashtable的区别介绍一下 GVM 的工作原理介绍一下垃圾回收机制什么是多线程？线程池的同步机制。介绍一下 MySQL 底层的索引结构。B+好处是什么如果是三层 b+树，每一层最大能容纳多少数据量介绍一下行锁和表锁行锁什么时候会退化成表锁MySQL 的隔离级别m v c c 解决了什么问题慢查询调优场景题：用户他需要他的数据，需要分页查询，但是他的用户数据非常多，需要分页，offset非常大，该如何进行优化？如果分 100 万，它核心的性能瓶颈在哪里？介绍一下 32 位的系...

问很基础的八股jvm垃圾回收，双亲委派是什么之类的石家庄一个小公司，公司有200多个人，但是开发部门是新成立的，一共有11个人，新开的业务线，是做一个商城的微服务项目，感觉组长也很有实力，问什么都秒回。鼠鼠打算包装了这个实习，再搞个星球项目，再去冲秋招，佬们可以给鼠鼠提点意见😭

理想：RAG 的完美愿景 在大语言模型（LLM）的浪潮中，检索增强生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作为 LLM 应用落地的关键技术范式之一，它的核心思想很简单： “让大模型在生成答案时，先检索外部知识库，确保回答既准确又新鲜。” 理论上，RAG 能解决大语言模型（LLM）的三大痛点： 知识固化：LLM 依赖训练数据，无法自动更新知识（如 GPT-4 不知道 2024 年后的新闻），导致时效性差、专业领域知识不足，而 RAG 通过连接外部知识库，可以随时引入新信息。 幻觉问题：LLM 可能编造虚假信息，而 RAG 为回答提供证据、增强生...