在开发 AI 对话应用（如调用豆包、GPT 等 API）时，我们常面临一个核心问题：AI 本身是无状态的，如何让它记得用户的历史对话，且在高并发下依然保持极速响应？ 一、 核心痛点：为什么 AI 需要“记忆”？ 调用大模型 API 时，模型不会自动记录之前的聊天记录。为了实现“多轮对话”，我们必须在每次发送请求时，把历史消息一并传给 API。这就引出了三个挑战：  性能：频繁的数据库查询会拖慢响应速度。 上下文窗口：模型有 Token 上限，不能无限制地堆积历史。 成本：发送的上下文越多，消耗的 Token 越多，费用越高。  二、 四种演进方案深度解析 1. MySQL 单库方案（起步阶段）...

timeline1.13打电话约面1.20 一面 第二天约二面1.23 二面 过了一个周末约三面1.28 三面2.2 通知三面过 offer审批2.5 oc

秋招没有大满败，最终收到节子的offer。

AI与八股 "介绍一下AI的技术理解" 回答要点：  Skill概念：技能说明书，渐进式加载，更精确 MCP vs Function Calling：MCP是统一标准，Function Calling需自定义 Transformer：QKV注意力机制，编码器理解语义，解码器生成文本  "对RAG的向量库有了解吗？" 回答要点：  PGVector：项目中使用，500万以下数据，开发友好 Milvus：专业开源向量库，支持分布式 作用：向量存储，权重分配，精准定位知识  "怎么把文档转换成向量库？" 回答要点：  文档预处理：加载、转换...