大疆互联网前端

1. 自我介绍2. 从代码文本到抽象语法树的过程是什么？底层原理是什么？答案：从代码文本到 AST，本质上是编译前端里的词法分析和语法分析过程。第一步先做词法分析，把原始代码字符串切分成 token，比如关键字、标识符、字符串、操作符、分隔符；第二步做语法分析，根据语言文法把 token 序列规约成语法结构，最终生成 AST。AST 和原始代码最大的区别是它去掉了很多表面细节，比如空格、换行、部分注释，但保留了程序的结构信息，比如函数定义、参数列表、条件分支、调用表达式和作用域关系。底层原理依赖语言文法，通常是 CFG 或经过工程化改造的语法规则。词法分析一般可用有限状态自动机思想实现，语法分...

😭😭😭😭请问以什么顺序观看好一点

现在回看当时的决定，半个月前放弃百度offer的自己，真的很勇敢。当时距离入职百度只剩5天，身边所有人都在劝我：“稳一点，先去百度吧。” 但只有我清楚，我想要的不只是“还不错”。于是我咬咬牙，拒掉了offer，决定全力all in暑期实习。其实我也不是一时冲动——三月底我就已经把面试准备得比较充分了，只是求职之路哪能顺风顺水？当时在走的流程因为匹配度不够挂掉了，好在面评还不错，我也早就做好了打多轮复活赛的准备。也许是命运垂青这份勇敢，我在第二次字节复活赛就成功上岸了。很多人眼里的“孤注一掷”，从来都不是盲目冒险。面临和我一样纠结的同学，不妨拼一把，去争取自己真正想要的东西。但也想认真说一句：能拿着保底找工作当然是最好的。我当时的情况是三月几乎没有其他面试机会，这个offer必须四月初到岗，而四月的面试机会反而更多，保底对我来说其实已经没什么缓冲作用了，所以我是充分权衡后才做出的决定。大家千万别盲目学我直接拒掉保底，一定要结合自己的情况慎重考虑呀。

1. 自我介绍2. 介绍一下 AI 智能体的 workflow，以及 RAG 知识库是怎么设计的智能体 workflow 一般不是一次模型调用，而是多阶段任务流。我会把它拆成意图识别、任务规划、工具选择、检索增强、结果生成、校验和记忆更新几个阶段。比如运营人员问一个商品问题，系统先判断是选品分析、广告诊断、库存预警还是内容优化，再决定调用商品库、广告系统、向量知识库或规则引擎。RAG 知识库设计上会分离结构化数据和非结构化文档。结构化数据比如商品指标、广告 ROI、库存周转用 MySQL、ClickHouse 或 ES 查询；非结构化内容比如运营 SOP、平台规则、历史案例、达人脚本会做切分、...