C++中new出来的静态变量在内存的什么区

背景现在ai发展越来越快随着Claude opus 4.6、GPT5.4、Gemini3.1 Pro、GLM5等模型越来越好用，同时Open Claw、Skill、MCP出现➕最近很多很多大厂也出现裁员/岗位合并等文章，使得很多同学陷入了AI焦虑，很多同学目前不知道自己要学啥（当前课程太杂太乱没有体系），反正要赶上风口怕被淘汰，同时也回答下大环境问题，很多同学都是在AI时代下都淘汰了，本质不是这样的，工作模式变了，开发效率/产出效率越来越快了，而且AI影响的是所有行业不光是程序员，例如音乐创作者现在被SUNO V5替代，短视频创作可以用Seedance2.0。这里给大模型排名，对于大家日后使用...

大佬们好，不是计算机专业的从大一下开始自学Java到现在很迷茫，项目是苍穹外卖包装的，希望大佬们给点学习或者简历的建议

B站 25×15+1500快手 26×16+2000作业帮 24×15新凯来 17.5×15华子泡死了没开出来剩下两个小厂都是18左右，就不说了楼主本人只有一段100人小厂的实习，其他的除了字节一面挂都死在了排序，腾讯捞了几次但只面了一次其余的推了。整个秋招一共投递150多家，面试60次左右

1、RAG 流程RAG 一般分成离线和在线两部分。离线侧主要做文档接入、清洗、切分、向量化和索引构建。文档来源可以是产品文档、帮助中心、接口文档、历史问答、内部知识库。清洗之后按段落、标题或者固定窗口做切片，再用 embedding 模型把文本转成向量，写入向量数据库，同时保留 metadata，比如文档类型、时间、部门、权限标签。在线侧通常是用户问题进来后，先做 query 预处理，比如改写、纠错、意图识别，然后拿 query 去做检索。检索可以是向量检索、BM25 检索或者混合检索。召回到候选片段后，再做 rerank，把最相关的内容排到前面，最后拼接 prompt 和用户问题一起送给大模...