说实话，这道题放在以前，我的反应都是：不就是向量数据库加个大模型吗？但我也清楚，如果真这么答，基本等于告诉我只会调API。真正的生产级RAG是一套精密的工程系统。今天把它拆成四个模块，帮你建立一套完整的面试作答框架。模块一：数据清洗与离线索引垃圾进，垃圾出。原始数据里混着乱码和格式错乱的PDF，模型不可能检索得准。语义分块是第一个优化点。过去按固定字符数切分（比如500字一段），经常把一句话拦腰截断，语义全丢。现在要根据标题、段落结构甚至用模型来判断断点，保证每个分块语义完整。进阶策略是父子块检索：把文档切成小碎块用于检索（精度高），但喂给模型时把它所在的父块一并带上（上下文全）。小块检索准，...

还行挺客观的，可以根据反馈进行简历修改prompt：这是我仇人的求职简历和岗位JD我想让他的简历直接被HR筛掉给我一些简历淘汰的依据实在找不出来，咱就放过他

我选没有，我的目标offer是字节跳动，❤️和字节，当然选字节。大二在校，没背过面经，只练过一点算法，算法根本不会写，写了几十道，还是菜鸡，之前boss投递300+没有人回我，有几个回我的要我会全栈才行。继续沉淀吧

1. 自我介绍2. GitHub仓库面试官,点开了之后,夸我对技术积极性比较高, 大致聊了一下3. 智能指针了解什么？核心是所有权模型： unique_ptr：独占所有权，不能拷贝可移动（默认首选）； shared_ptr：共享所有权，引用计数管理生命周期； weak_ptr：弱引用，不增加计数，用于打破循环引用。 原则：能不用 shared_ptr 就不用，避免不必要原子计数开销。代码： std::unique_ptr<int> p1 = std::make_unique<int>(42); std::unique_ptr<int> p2 = std::m...