一面感觉还行，问了Redis和项目，手撕是LC3。面试官挺温和的，我答错的地方还提醒我。二面直接换人了，风格完全不一样。 第一个题就问了我一个场景：如果QPS突然到10万，缓存一致性怎么保证。我答了Cache Aside，他说如果Redis挂了怎么办。我答了降级，他问降级之后数据库扛不住怎么办。我……愣了一下，说可以限流+本地缓存，他说本地缓存数据不一致怎么办。我服了，这题没有尽头。然后问了HashMap扩容。我以为很简单的，结果他问为什么1.8改成尾插法，头插法会死循环是怎么发生的。我画了图给他讲，他说如果两个线程同时扩容，指针具体怎么跳的。我脑补了一下，讲得磕磕绊绊的。系统设计题是短链服务...

#我的求职进度条# #运营# 

b站timeline：5.21  一面 5.22通知一面过5.26 二面 5.27通知二面过5.28 hr面 oc+发offer 6.9入职主播投递的比较晚4.22开始投递，继鹅一面挂、节一面挂、tme一面挂、腾讯云一面过泡池子后终于迎来暑期唯一嫡长offer要从👋子离职了，想来还是非常不舍得，一个是工资待遇不错，一个是确实很闲，mt还问不如留下来秋招走，希望没有选错TT有在上海的uu可以一起玩一起交流

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...