一面1.介绍实习重点2.jvm运行时内存数据3.jvm垃圾回收判定，附带回收算法、垃圾回收器4.常见oom、栈溢出场景5.redis持久化方式、不同持久化方式优点，适用场景6.redis主从复制原理7.redis主从延迟问题解决8.算法题 hot100(1)删除倒数第k 个节点(2)岛屿数量9.反问二面1.批判使用本地缓存cache场景不合适2.实习难点、重点3.Jvm垃圾回收4.Redis io多路复用5.算法题 多个有序数组，找出topk6.10G 文件，每行代表一个数，内存100M,找出topk方案7.课题方向8.Ai 大模型有过相关的了解吗9.反问

###

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...