1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

1. 自我介绍2. 项目介绍3. 进程和线程的本质区别是什么，为什么线程切换通常更轻答案：进程是资源分配的基本单位，线程是 CPU 调度的基本单位。一个进程有自己独立的虚拟地址空间、文件描述符表、页表等资源；同一进程里的多个线程共享代码段、数据段、堆、打开的文件等资源，但每个线程有自己独立的栈、寄存器上下文和线程局部存储。线程切换通常比进程切换轻，是因为同进程线程切换时，不需要像进程切换那样频繁切换地址空间和页表，缓存和 TLB 的破坏通常也更小。但“轻”不代表没成本，线程切换依然涉及内核调度、寄存器保存恢复、可能的锁竞争和缓存失效。4. 进程通信方式有哪些，怎么选答案：常见的进程通信方式有管...