腾讯云二面面经

手撕 最小覆盖子串项目+八股拷打4.10约面，目前还没消息，发发面经攒攒人品PS：二面过这么久没消息是凉了么，周末是不工作么。。。。

？？？，官网投递 都不记得是什么时候投的了，官网也没有记录 04-14，一面（40min） 自我介绍 介绍实习（没深挖，但把干了啥都细问了一遍） 脏读，不可重复读，幻读及其解决方式 MVCC原理 Git 基本使用和提交流程，知道合并冲突吗？知道怎么向主分支提交代码吗？ HTTP状态码 缓存雪崩解决方式 手撕：494. 目标和（变种 + 英文题目）：给你一个字符串“123456789”，你可以随意在各数字间插入“+”或“-”，但确保最后组成的表达式结果为 100，输出所有符合条件的表达式的集合 八股和实习答得还行，但手撕一开始以为是原题，结果写了半天，发现是变种，需要考虑不插入的情况，最后没时间...

1. 自我介绍2. 手撕leetcode 240 搜索二维矩阵3. 输入url到展示网页的全过程4. tcp三次握手和四次挥手5. tcp为什么这样设计6. 缓存穿透是什么及怎么处理7. 讲一下mysql的索引8. 什么是sql注入以及怎么避免9. 讲一下实习主要做的事情10. 挑一个实习中的难点具体讲反问1. 部门是腾讯云负责安全等内容2. go语言为主#腾讯# #暑期实习# #软件开发笔面经# #牛客创作赏金赛# #腾讯求职进展汇总# #实习进度记录#

理想：RAG 的完美愿景 在大语言模型（LLM）的浪潮中，检索增强生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作为 LLM 应用落地的关键技术范式之一，它的核心思想很简单： “让大模型在生成答案时，先检索外部知识库，确保回答既准确又新鲜。” 理论上，RAG 能解决大语言模型（LLM）的三大痛点： 知识固化：LLM 依赖训练数据，无法自动更新知识（如 GPT-4 不知道 2024 年后的新闻），导致时效性差、专业领域知识不足，而 RAG 通过连接外部知识库，可以随时引入新信息。 幻觉问题：LLM 可能编造虚假信息，而 RAG 为回答提供证据、增强生...