带发CV顶会，从点进来开始

1. 个人介绍2. 实习拷打3. RAG 的优化，项目中 Agent 的流程RAG 的核心链路是：文档处理 -> 建索引 -> 检索召回 -> 重排筛选 -> 上下文拼接 -> 大模型生成。它的优化也主要围绕这几步展开。先说文档处理。原始文档不能直接粗暴切块，要先做清洗，比如去掉无效页眉页脚、目录、乱码、重复段落。然后做合理切分。切分太大，会带入噪声；切分太小，上下文会断。常见做法是按段落、标题层级、语义边界切 chunk，并适当设置 overlap。再说检索阶段。RAG 不一定只用向量检索，通常会把 BM25、向量召回、关键词召回混合起来。向量召回解决语义相似，...

说自己沉淀了那么久混了个这样的简历想春招进大厂，给我气笑了

无实习加一般学历，求简历拷打

1. 自我介绍2. 目前有 offer 吗？3. 聊了聊实习4. Lua 的 GC 底层怎么做的？怎么回收的？虚拟机层面了解吗？Lua 的 GC 核心思想是可达性分析。经典实现是增量标记清除，较新的版本还支持分代 GC。 简单说，Lua 会从一批根对象出发，比如全局表、当前调用栈上的局部变量、闭包、注册表等，去遍历所有还能访问到的对象，把它们标记为存活。没有被标记到的对象，后面就会被回收。Lua 采用增量方式的原因是，如果一次性做完整 GC，停顿会比较明显，所以它会把回收过程拆成很多小步，在 VM 执行过程中逐步推进。 从虚拟机角度看，GC 和 Lua 的对象模型、栈帧、闭包、table 结构...