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 ...

对不住了bro哈哈哈哈哈

网易游戏二面面经   自我介绍，并挑一个做得比较好或有成就感的项目，介绍你负责的工作、遇到的问题及解决方法。   项目相关   epoll的触发模式有了解过吗？   协程了解吗？   如果让你自己实现一套协程方案，需要关注什么问题？核心是什么？上下文怎么维护？     关注点 说明     1. 上下文保存与恢复 需要保存寄存器（栈指针、程序计数器、通用寄存器）、信号掩码、浮点状态等，以便恢复执行。   2. 栈内存管理 每个协程需要有独立的栈空间。如何分配？大小固定还是动态增长？如何避免栈溢出或内存浪费？   3. 调度器设计 协程何时主动让出（yield）？调度器如何选择下一个运行的协程（...