实习中的Redis缓存，如何估算Redis占用内存TCP三次握手四次挥手，TCP的可靠性如何保障，讲一讲超时重传、滑动窗口和拥塞控制Linux查找哪个端口占用的命令MySQL事务的四个特性SQL一条命令查找分别数学成绩高于90分和英语成绩高于90分的学生人数如何排查慢SQL，索引具体如何优化数据结构方面zset和树应用场景的不同Go语言中的并发介绍大量数据内存小的情况下判断是否存在集合内的数怎么解决谈一谈对于Agent的理解好久没面试了，还有一些缓存和数据库方面的基本八股不太记得了，感觉细节方面回答得很一般，还是太菜了要多学习

投了一个字节校招部门，一来就拒，说我项目周期不匹配，为啥，简历上的实习都是三个月的，咋了嫌弃三个月太短，不稳定吗？

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...