大家好，我是程序员鱼皮。最近这两年，只要你接触过 AI 编程，大概率听过一个词，RAG（Retrieval-Augmented Generation）。但很多小伙伴对 RAG 都只是一知半解，导致面试的时候只能说出 “检索增强生成” 这六个字，面试官再多问一点，就只能 “阿巴阿巴”。而这篇文章，是对 RAG 技术的一个全景科普，从最初的 Naive RAG、到现在最主流的 Agentic RAG，总共 16 种主流 RAG 方案，我会一次性给大家讲清楚。以后开发 AI 应用的过程中，无论遇到什么场景，都能选择最合适的 RAG 方案。干货比较多，建议先点赞收藏，再慢慢往下看~什么是 RAG？AI...

就不投

是不是希望越来越渺茫了  

刚面完嵌入式音视频岗的两轮技术面，趁着印象还新鲜赶紧整理出来发上来。一面（约 60 min）一面节奏挺快的，面试官人还可以但是不放水，基本就是对着提纲一道一道往下问，C++、算法、系统三块轮着来，答完一题直接下一题，有几道会顺着追问细节。题目如下：JNI 中 LocalRef 和 GlobalRef 的生命周期管理差异？C++17 的 std::optional 解决了哪些痛点？std::function 和函数指针的性能差异及原因？红黑树插入节点时的旋转规则是什么？如何用最小堆实现 TopK 算法？时间复杂度是多少？海量数据去重（100 亿级别）的三种实现方案？内存泄漏的检测手段（如 Val...