在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

之前有人催着发智元嵌入式岗的面经，趁周末把一面二面一起复盘。我没上岸（二面挂），但题是真的、坑是真的。智元不用多介绍，这两年人形机器人/具身智能里热度最高的几家之一。嵌入式岗位明显偏运动控制+底层驱动方向，所以面试重底层、重实时性，软件框架那种花架子问得反而少。一面（电话技术面，约45分钟）我按面试官问的顺序大致归了下类，方便看，实际过程是穿插着来的。自我介绍static修饰局部变量和全局变量分别有什么影响？未初始化的全局变量和局部变量的初始值是什么？函数调用的开销在哪里？什么场景该用内联函数？硬件/底层一串你MCU用的是什么芯片？主频多少？Flash多大？为什么主频会影响MCU性能？除了主频...