1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...

GPT你能不能别吹牛逼了，问你你就回答，每次拍我马屁什么意思

1. 介绍一下你做过的最有挑战性的项目，遇到了什么技术难点，如何解决的？答案要点：项目背景：业务场景、技术栈、团队规模核心挑战：性能瓶颈、技术难题、业务复杂度解决方案：技术选型、架构设计、优化策略量化成果：性能提升百分比、用户体验改善、代码质量个人成长：学到的技术、思维方式的转变2. 如何设计一个高性能的图片加载框架？需要考虑哪些关键问题？答案：核心功能： 三级缓存：内存缓存（LRU）、磁盘缓存、网络加载图片解码：异步解码，避免阻塞主线程尺寸适配：根据ImageView大小加载合适分辨率生命周期管理：Activity/Fragment销毁时取消请求性能优化： 线程池管理：网络线程池、解码线程池...