一步一步走先学语言

记得以前有个新闻，大意是说有个女孩子以她的成绩考入北大清华没问题。但她从小参加各种社会活动，深受曾留学法国的母亲“生命的意义在于体验最多而不是最好”影响，决定放弃高考，申请包括哥大在内的大学，并获得成功。新闻下面附上了一张那个女孩子的照片，还很清秀，于是这则新闻就获得大量转载，一片褒扬之声。我没有任何的仇富仇美仇优心理，不过在这条新闻下面我看到的最好的评论还是：我没有皇城根下的家，也没有留过洋的爸妈。我只能咬着牙拼命学习，在千军万马中挤破头，换来一个国内普通的大学，而我还要拼命努力，才能换来一个普通的人生。但这条新闻把千万个我们这种普通家庭却从没放弃努力的孩子，当成了傻瓜。    在上海，复旦...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.为什么要进行数据库的迁移？3.你的实习中还有做了什么工作？4.讲讲你的项目中你觉得亮点的地方5.为什么要用springcloud nacos seata，不用行不行？6. Nacos的数据一致性怎么保证7.为什么用到了concurrentHashmap8.讲讲项目中哪里用到了多线程9.如果给你设计一个表你要考虑什么？10. 索引失效的场景11. 有用过ai工具吗？12 现在让你通过ai工具设计一个用户查询的功能你要怎么做13.了解agent和rag吗

1、讲讲什么是 RAGRAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它的核心思想不是只靠大模型参数里记住的知识回答问题，而是在回答之前，先去外部知识库里检索和当前问题相关的内容，再把检索结果作为上下文交给模型生成答案。完整流程一般分两部分。离线侧先做文档接入、清洗、切片、向量化和索引构建，把知识变成可检索的形式。在线侧收到用户问题后，先做 query 改写或纠错，再去知识库召回相关片段，必要时做 rerank 重排，最后把用户问题和证据一起送给模型生成。RAG 的价值主要有三个：让模型获得训练时没有的外部知识让知识更新不依赖重新训练模型让回答更容...

我是犯天条了吗？大佬们