1. 项目拷打2. vector vs 普通数组vector：动态扩容、连续内存、自动管理内存、安全、支持迭代器、自带API普通数组：静态大小、栈/静态分配、手动管理内存、无边界检查日常开发优先 vector，极致性能场景可用数组3. vector push_back 均摊 O(1)采用指数扩容（1.5倍/2倍）扩容次数极少，所有插入的总拷贝次数为线性级均摊后每次插入效率为 O(1)4. vector vs listvector：连续内存、随机访问快、尾插尾删快、CPU 缓存友好list：链表结构、任意位置插入删除快、迭代器不失效、随机访问慢遍历读多用 vector，频繁中间插入用 list5...

为什么第一段实习都找不到😂，211本，项目一个点评一个微服务商城，

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

本文全面介绍了大模型相关知识，包括大模型（LLM）、提示词工程（PE）、检索增强生成（RAG）、工具调用（Function Calling）、模型上下文协议（MCP） 等，适合零基础小白入门。  近些年，AI 的发展速度越来越快，越来越多的业务开始寻求“AI 赋能”。面对这个黑盒，很多研发人员的反应是疑惑：“我需要学习神经网络算法吗？我要懂 Transformer 架构吗？” 其实，对于非算法人员，我们不需要成为研发“发动机”的算法科学家，而是要成为能够驾驭“赛车”的 AI 工程师.我们无需深究底层的数学原理，但必须洞察它的能力边界，知道如何将这个“黑盒能力”高效、稳定地融入到我们的业务系统中...