非技术部分（背景、综测、HR、主管、offer）放在文首一笔带过；下文只把机考与两轮技术面写细，每道能回忆起来的题都附上可直接背诵或改写的答案。 非技术相关（一笔带过） 投华为 OD。流程大致是：机考 → 性格综测 → HR 面 → 技术一面 → 技术二面 → 主管面 → 审批与邮件 offer。综测别前后矛盾即可；HR 与主管主要是自我介绍、离职原因、加班接受度、个人情况，态度正常、不踩雷即可；offer 后按清单交材料、定入职时间。机考与技术面之间我自行拖了一阵刷题，属个人节奏，不展开。 一、机考（编程） 准备：有数据结构基础，C++ 刷题约一百道（含真题风格），注意边界与溢出。当时三道题...

绷不住了

上周我老大请我们整组吃饭。他是个三十多的男的，平时话少，每天就喝美式，工位上贴着他闺女的照片。他全程没怎么说话，就问我"实习还适应吗""食堂吃得惯不""周末回不回学校"。都是些没营养的问题。我也没说啥，就"还行""挺好""一般不回"。吃到最后他突然说："你做事挺稳的，不急。现在很多实习生不是这样。"我当时在扒饭，嗯了一声。回去的路上我才反应过来这句话什么意思。我老大他不说客套话的。他夸你"稳"，那就是真觉得你稳。值不值我也不知道，反正那顿饭我吃撑了。

一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...