参考文章

技术架构

• python 相关框架 langChain LangGraph
• golang 相关框架 eino 是字节跳动开源的一款基于 Go 语言 的大模型（LLM）应用开发框架

RAG（Retrieval-Augmented Generation 检索增强生成）

• 描述：一种结合了信息检索和文本生成的技术
• 核心思想：
  • 在生成回答之前，先从外部知识库中检索相关信息，
  • 然后将检索到的信息作为上下文提供给大语言模型，
  • 从而生成更准确、更可靠的回答。
• 工作流程
  • 首先在数据准备阶段，系统通过数据提取、文本分割和向量化，将外部知识构建成一个可检索的数据库。
  • 随后在应用阶段，系统会响应用户的提问，从数据库中检索相关信息，将其注入Prompt，并最终驱动大语言模型生成答案。

什么是token ：

token是大模型处理文本的基本单元

• 简单来说，模型并不直接阅读“单词”或“句子”，而是将输入的文本切割成一个个片段，这些片段就是 Token。

什么是agent

Agent = LLM（大模型）+ Planning（规划）+ Memory（记忆）+ Tools（工具）

RAG

发音为软安哥

• 概念：Retrieval-Augmented Generation（检索增强生成）
• 什么是RAG：
  • 一种结合 检索（Retrieval） 和 生成（Generation） 的自然语言处理技术。
  • 先从知识库或文档库中检索相关信息，再基于这些信息生成回答或文本。
  • 解决纯生成模型可能“凭空编造”（hallucination）问题，提高回答准确度。
• 解决什么问题
  • 用来解决：模型不知道 / 不准 / 不能瞎编

skills

• 概念：可以理解为工具说明书
  • 更偏向语义层，通常包括：
    • 一个能力能做什么（例如：总结、翻译、写代码）
    • 什么时候用它
    • 输入/输出格式
    • 使用示例
    • 有时还包括提示词模板（prompt template）

GPM模型

在Go中，线程是运行goroutine的实体，调度器的功能是把可运行的goroutine分配到工作线程上

1. 全局队列（Global Queue）：存放等待运行的G。
2. P的本地队列：同全局队列类似，存放的也是等待运行的G，存的数量有限，不超过256个。新建G'时，G'优先加入到P的本地队列，如果队列满了，则会把本地队列中一半的G移动到全局队列。
3. P列表：所有的P都在程序启动时创建，并保存在数组中，最多有GOMAXPROCS(可配置)个。
4. M：线程想运行任务就得获取P，从P的本地队列获取G，P队列为空时，M也会尝试从全局队列拿一批G放到P的本地队列，或从其他P的本地队列偷一半放到自己P的本地队列。M运行G，G执行之后，M会从P获取下一个G，不断重复下去。

面试总结

面试介绍总结：百度poi商业化数据清洗平台（架构级别描述）

项目描述 or 项目定位

主要负责地图 商业化POI 数据清洗，平台整体是一个多阶段的数据处理流水线。数据以文件形式在各个处理环节之间流转，每一步都会读取上一步的结果文件进行处理，并生成新的结果文件。整个流程包括数据请求、结构解析、diff判断、策略判重、人工审核以及数据上线等

架构设计

• 系统采用“调度系统 + Celery + 文件流转”的架构：
  • 调度系统负责流程控制和状态管理
  • Celery 负责具体任务的异步执行
  • 文件作为各个阶段的数据载体

LRU 算法实现

题目要求

golang 实现lru算法，要求在 O(1) 时间内完成get和put请求

最长连续序列实现

题目

给定一个未排序的整数数组 nums ，找出数字连续的最长序列（不要求序列元素在原数组中连续）的长度。 请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

js示例
输入：
nums = [100,4,200,1,3,2]
输出：
4
解释：最长数字连续序列是 [1, 2, 3, 4]。它的长度为 4。
示例 2：
输入：
nums = [0,3,7,2,5,8,4,6,0,1]
输出：
9
示例 3：
输入：
nums = [1,0,1,2]
输出：
3

组件

• ChatModel‌：与大模型交互的核心组件，支持生成式对话（Generate）和流式输出（Stream），部分实现还支持工具调用（ToolCallingChatModel）
• Tool‌：扩展大模型能力的工具，可调用外部 API、数据库、文件系统等，支持同步（Invoke）和流式（Stream）两种范式
• Retriever‌：从向量库或文档库中检索与查询相关的文档片段，常用于 RAG 场景。
• Embedding‌：将文本转换为向量表示，用于语义搜索和向量索引。
• Indexer‌：负责存储和索引文档向量，支持 Redis、Milvus 等向量数据库。 ‌- Document Loader‌：加载并解析多种格式的原始文档（如 PDF、Markdown、TXT 等），统一为schema.Document 结构。
• Document Transformer‌：对文档进行切分、过滤或格式转换，如按标题、递归或语义切分。
• ChatTemplate‌：管理提示词模板，支持 FString、GoTemplate、Jinja2 等语法，便于动态构建系统提示

从头开始，每K个一组，翻转链表

js
func main() {
    head := buildList([]int{1, 2, 3, 4, 5, 6})

    k := 3

    fmt.Println("原链表：")
    printList(head)

    newHead := reverseKGroup(head, k)

    fmt.Println("每K个翻转后：")
    printList(newHead)
}