康冠科技硬件工程师面经8.7  一面终面    只有一次面试决定是否通过1.为什么选择珠三角这个地方来工作（改开前列，经济发达地区有更多机会，也有更多的资源）2.珠三角和长三角在同等条件下，会选择哪个区域，为什么3.平时有什么兴趣爱好4.个人有什么缺点（决策不够决断，指定目标的时候有些太远，可实施性不高）5.从哪里了解到的康冠6.对STM32单片机了解的多吗，32的GPIO口在我们使用的时候，需要进行哪些初始化动作（引脚复用的上下拉电阻，代码也需要确定使用输入输出；单功能接口不需要设置）7.STM32单片机的输入输出IO口最高工作速度，大概是多少兆8.项目中使用的传感器与单片机是怎么通信的，用...

字节一面当时思路对了，算法多写了两行回溯，以为肯定没了，没想到第二天约面了，一面的内容基本都答上来了

刚刚去面了一家看起来只有10个人不到的小公司。我一进去他们的人：你先填表。然后我就填了如下内容：1. 个人基本信息：姓名，电话，学校等。2. 荣誉证书奖项等我没填的有：1. 个人身份证号2. 家庭地址3. 家庭成员信息4. 从高中到大学的学校信息5. 等...过了一会儿，然后他们把我的表交给面试官。面试官：这张表你就这样填的？那你不用面了。我：😅我寻思着也不是什么国家政府单位，而且还没入职和面试，为什么要填这么多消息？😅

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...