面试算法题来源

又又又又又遇到了一个无敌好的面试老师，全程微笑，氛围和谐，我要咏鹅了，鹅鹅鹅,面完秒过到hr面问题也不是很难，甚至连手撕也没有，只有半小时，最后还聊了十分钟篮球。。。面完反问说组内氛围好，领域前排什么的，问了流程说是2+11你认为后端开发的核心技术点是什么？2各种中间件怎么使用，都有什么用3mysql和redis的使用场景4 agent项目自纠错（Plan-Verify-Replan）架构效果如何评估？5分析结果的评测你是如何做的？6用了哪些大模型？7流式处理怎么做的？回答了sse8说一下sse的细节，基于什么协议做的？http9代码题口述：非递归遍历二叉树（前序）秒了10tcp和udp差异1...

下面用提问的方式分别从加载，切割，嵌入，储存，检索，评估几个角度连环问，感觉可以判断掌握RAG的程度，博主也在学习，轻点喷1.加载1.1加载纯文本如何加载？1.2加载doc怎么加载？ 要是想强调结构呢1.3加载pdf怎么加载？1.4要是pdf里面有图片呢？1.5要是pdf的一页里面有图片，文字，图片里面还有文字呢？2.切割2.1怎么切割？重叠程度怎么设置，分片大了会怎么样，小了会怎么样？3.嵌入3.1常见的嵌入模型有哪些？3.2对于稀疏向量的嵌入，了解过吗？4储存4.1常见的向量数据库了解过吗4.2企业级一般用哪个向量数据库4.3了解过索引吗？图索引，倒排索引了解过吗4.4第二范式，余弦相似度，向量内积，了解过吗，是干嘛的？5检索5.1多路召回，索引增强重排了解过吗？5.2粗排，精排了解过吗，用什么模型？6.评估6.1常见的评估框架有哪些？6.2评估一般看哪几个指标？忠诚度，相对性，精确性？7其他7.1图RAG了解过吗？为什么要用它？7.2多模态RAG怎么实现？？了解过吗7.3llamaindex专注于该领域，有了解过吗？

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...

校队里面cf2100比比皆是，大家都是新生，我1200还没上，校赛也打铁，想学但是感觉差距太大了，很难去弥补，但是不学的话以后又没机会出场，还是想去打xcpc的