双非渣硕，秋招选择

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...

1、面试官自我介绍2、结合项目自我介绍3、回流和重绘是什么，怎么减少4、tailwindCss相比手写class的优点，或者说行内样式相比class的优点5、css选择器优先级6、flex:1是什么7、flex-grow和flex-shrink的作用8、instanceOf的原理，原型链查找的过程9、Promise.all和Promise.race10、宏任务和微任务有哪些11、事件循环12、看代码说输出图一和图二13、父子组件的 setup 和 render 和 mounted 的执行的先后顺序一开始写错了，后面面试官提示了父setup -> 父 render -> 子 setup -> 子 render -> 子mounted -> 父mounted14、vue怎么监听到生命周期钩子函数的执行顺序的15、vue的响应式原理16、v-model的双向数据绑定原理17、进程和线程的区别18、浏览器有哪些线程算法题 经典150：最大正方形反问阶段：主要业务：写类似于飞书的那种内部管理的软件主要技术栈：vue最后被感谢了，面试官说感谢能参与面试......

我基本都在宿舍面试，也没啥讲究，直接开摄像头就开聊，也没有搞一个纯色背景，背后就直接是室友的床铺，不过面试官都挺理解，没也没有因为这个难为我。有次室友洗完澡，湿漉漉地从身后路过，我还在面试呢，面试官也没介意，就当是生活的一部分了，不过还是不要学我比较好，能找一个安静的环境最好

笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL