📍面试公司：哔哩哔哩🕐面试时间：2026/2/12💻面试岗位：AIGC创作平台研发工程师❓面试问题：面试官是基于简历提问题，首先问了如何把一个python项目进行打包发布？Python是值传递还是引用传递？MySQL的索引结构是什么？答案B+ tree。 B+ Tree是如何进行检索的？MySQL的最小单位是什么？答案：页 MySQL的一个索引过程是什么？ELK是如何实现日志查询的（简历里的）？CI/CD的具体流程是什么（根据简历里问的）？问得很细。答案：我们从 Git 固定一个 commit/tag 拉代码，构建阶段拉取依赖并打包成可部署产物（通常是 Docker 镜像），推到镜像仓库...

服务端开发，40k*18纯base，今年这个行情算ssp还是大sp，我猜有更高的，不知道顶是多少

家人们，今天又被某大厂的 Java 岗挂了。鼠鼠我真的一整个大破防。😭现在 2026 年了，AI 写代码比我快多了，我想问大家，五年后Java 还会是招聘大头吗？还是说我们这帮搞 Java 的，注定要在 49 年入国军？

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...