前言近一年，大数据面试的风向正在发生明显变化。过去，面试官更关注：数仓分层怎么设计？指标体系如何构建？Spark 调优怎么做的？而现在，越来越多的面试开始追问：你有没有做过 AI 相关项目？LLM 在数据场景中如何落地？RAG 是怎么设计的？AI 不再是「加分项」，而是逐渐成为「基础能力」。但问题是 很多人所谓的 AI 项目，只停留在：调个 API写个简单问答 Demo这在企业级场景里，是远远不够的。真正有含金量的 AI 项目，必须要解决真实业务问题，并具备：检索增强（RAG）落地能力LLM 语义理解与 Prompt 设计能力工程化架构能力（可扩展、可复用、可维护）而在我们当前的数据仓库体系中...

上一版简历发出来后被大家批评了，我下去又优化了一下😭

1. 什么是内存泄漏，如何避免？定义：堆内存分配后，指针丢失或未释放，导致内存无法回收，长期占用系统资源。避免方法：优先使用智能指针（unique_ptr/shared_ptr），自动管理内存；遵循RAII原则，资源获取即初始化；避免裸指针，使用容器管理动态对象；工具检测：Valgrind、AddressSanitizer等。2. std::unique_ptr和std::shared_ptr的区别是什么？3. 如何调试和解决内存泄漏问题？工具检测：Valgrind：valgrind --leak-check=full ./程序，定位泄漏位置；AddressSanitizer：编译时加-fsa...