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...

开的终于不是白菜价了4.28滴滴cto介绍实习，如何评测大模型分布式锁其他实现方式redis去重统计人数用什么，如果是海量呢，id比位图长怎么办concurrenthashmap核心机制，读加锁吗，volatile修饰了什么，synchronized加在哪里，一进程中有一千个concurrenthashmap并发更新为什么会gc频繁，如何解决volatile synchronized reentrantlock异同，volatile保证的是什么有序性手撕reentrantlock实现阻塞队列线程池参数，有哪些拒绝策略实习项目用的什么gc用aop做什么了4.28滴滴cto介绍实习，es里存的什么，知识管理会有大模型自动归纳哪些知识要发布吗用ai coding吗，哪个觉得最好用，harness1.8升级，为什么废弃分段锁JVM内存管理线程池核心参数，提交任务流程threadlocalepoll手撕数组分段求最大加权得分4.28滴滴cto垃圾回收，g1，fullgc影响读写锁，哪些源码用到了kafka工作原理，消息有序三次握手四次挥手rag切分大小影响知识从发布到向量库整体链路你知道吗，向量库用的什么，es能存向量你知道吗举一个意图例子手撕lru

投了很多，一直没能进面

1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...