得物一面

1. 项目拷打2. vector vs 普通数组vector：动态扩容、连续内存、自动管理内存、安全、支持迭代器、自带API普通数组：静态大小、栈/静态分配、手动管理内存、无边界检查日常开发优先 vector，极致性能场景可用数组3. vector push_back 均摊 O(1)采用指数扩容（1.5倍/2倍）扩容次数极少，所有插入的总拷贝次数为线性级均摊后每次插入效率为 O(1)4. vector vs listvector：连续内存、随机访问快、尾插尾删快、CPU 缓存友好list：链表结构、任意位置插入删除快、迭代器不失效、随机访问慢遍历读多用 vector，频繁中间插入用 list5...

如果是开发岗也这样对我就好了😂

X上一个博主发的看了很触动人除了要打破舒适圈去努力，还应该合理评估自己的努力是否是正确的，有价值的

我头一次听这个问题的时候，寻思，这不简单，现在模型的上下文那么老长，“用向量数据库存历史对话，每次检索相关内容拼进去”，不就得了。然后过年吃饭和一个做算法的同学聊到这里，他告诉我，这样回答根本拿不到分。1.先看GPT咋做的前阵子网上比较火的一个帖子，有开发者通过对话实验，把ChatGPT的记忆机制逆向了出来。结果挺让人意外的，整套系统没有向量数据库，没有RAG，没有 Embedding 召回，甚至连相似度匹配都没做。就是四层纯结构化设计，干干净净。我当时也疑惑：GPT又不算Agent，这个例子能说明什么？你先罚一杯！ChatGPT的确是对话产品，不是严格意义上的Agent。但它的Memory设...