腾讯wxg一面

1. 慢查询排查过程 怎么判断索引失效 怎么优化sql 最左前缀法则2. 实习项目上的xxl-job，在项目中是怎么使用的3. redis登录保护的具体过程4. 大模型了解哪些功能5. 大模型了解哪些参数6. 是否翻过墙？ 使用机场还是自己搭建服务器？7. 是否调用过大模型的接口？ 平时使用什么大模型8. 怎么有效的和大模型沟通？(prompt engineer)9. 说一下rag的过程10. 说一下对向量数据库的了解11. 接口幂等性处理过程？12. 项目线程池+countdownlatch怎么实现的。13. 平时怎么学习？学习技术偏理论还是实战？

项目背景 我发现无论是工作也好，还是我们找实习找工作也好，都要面临大量的表单填写的场景。很多都是重复填写，内容基本一致，虽然已经有RPA技术和一些自动填写的扩展，但是这些扩展基本依赖于手动配置，无法识别到字段信息。现在大模型技术已经成熟，能不能通过大模型来实现表单填写全自动化处理？本人注意到大家网申表单填写就是个十分常见的场景，本项目的场景，就用这个场景作为例子。 实现思路 LLM带来的变化 我们项目组以一个十分小的细分表单领域为研究对象，简历表单填写，探索利用agent智能填表的可能性。首先这个项目难点在于网页html结构的复杂性，不同的网站，网页设计千差万别，如果纯依赖手工配置，那么工作量...

听说牛客许愿很灵，许愿oc，放一个时间线攒人品5.21 一面5.28二面5.30面委6.5hr面，当天转录用评估+云证许愿oc😭还愿，已OC😃

这个GitHub仓库简直是RAG技术学习的金矿！我最近深入研究时发现了它，里面系统整理了21种RAG实现方案，内容覆盖从入门级基础应用到业界前沿的高级技术。最令人惊喜的是所有技术点都配备了可直接运行的Jupyter Notebook实战教程，完美解决了学习者"只看理论无从下手"的痛点。仓库内容呈现明显的阶梯式设计：新手友好：包含语义分块、上下文压缩等基础技术的完整实现进阶必备：提供自适应RAG、多模态RAG等复杂场景的解决方案前沿探索：甚至囊括图结构RAG、层次化RAG等尖端研究方向每个技术模块都配有清晰的代码注释和实现文档，这种"学完立即实践"的设计理...