一面：自我介绍拷打项目项目1 MongoDB相对于MySQL的优势 RAG流程 如果提问的与知识库不相关怎么办 市面上成熟的聊天记录的管理方案项目2 session共享的问题 优惠券秒杀的流程 Lua脚本里干了什么八股 redis中zset的底层 zset插入和查询的时间复杂度 redis为什么快 redis io多路复用如何实现 redis的性能瓶颈在哪里：面试官让在内存、cpu、网络io中选 MySQL中的索引实现 B+树比B树好在哪里？为什么B+树更矮 事务隔离级别 mysql的默认级别 可重复读是如何实现的：回答了读视图，面试官纠正说了读视图的专业名词 HTTPS和HTTP的区别 加密...

给点建议吧，投不到工作😭😭😭

双非一本，八股刚开始，这个简历能找到实习吗。。。

1. 介绍一下 bge-m3 和 DBSCAN，以及它们各自的优势bge-m3 是一个面向检索场景的多功能 embedding 模型，它的特点不是单一做稠密向量表示，而是把 dense、sparse 和 multi-vector 几种检索能力统一到一个模型里。dense 表示负责语义相似，sparse 表示更接近关键词匹配，multi-vector 更适合长文档和细粒度匹配。这样做的好处是一个模型可以兼顾语义召回和词面召回，尤其适合知识检索、教育问答、题目匹配这类场景。DBSCAN 是一种基于密度的聚类算法。它通过两个参数来定义簇：一个是邻域半径 eps，一个是形成核心点所需的最小样本数 mi...