在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

3月到现在，还没有offer和面试

最近我整理了 vivo 暑期实习（嵌入式 / Linux 方向）的面经，发出来给后面要面的同学做个参考。技术面难度还是有的，节奏偏快，会顺着你的回答往下挖；整体氛围还行，但有几道题一旦答浅了就会立刻追问细节。面试题目进程和线程在内核里分别对应什么数据结构？创建线程和创建进程在内核路径上有什么异同？CFS 调度器里 vruntime 是什么？为什么用红黑树？新进程加入时如何防止老进程被饿死？nice 值、SCHED_FIFO / SCHED_RR 和 CFS 的关系是什么？实时调度会不会饿死普通进程？虚拟地址到物理地址的完整路径（MMU、页表、TLB）讲一遍；TLB miss 时会发生什么？伙伴...