三数之和

给你一个整数数组 nums ，判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i != j、i != k 且 j != k ，同时还满足 nums[i] + nums[j] + nums[k] == 0 。请你返回所有和为 0 且不重复的三元组。

注意：答案中不可以包含重复的三元组。

解题思路

• 先排序
• 双层循环
  • 外层遍历作为第一个数的选择
  • 内层通过左右指针往内靠，找到另外两个数
• 不管是内外层，重复的出现的数都跳过不计算

算法：无重复字符的最长连续子串

通过滑动窗口实现，但需要注意是窗口内不能出现重复字符

实现思路

• 通过双指数构建一个滑动窗口，以及map集合判断重复性
• 将string转化为[]rune, 兼容字符串可能包含汉字的问题
• 窗口更新条件
  • 无重复字符时，right一直向右移动
  • 出现重复字符时，需要判断重复字符的旧key是否存在于窗口内
    • 存在窗口内，才被判断为当前窗口内的重复
  • 一旦窗口变大，直接更新窗口最大值或者最大窗口的起始结束位置

代码实现

js
func lengthOfLongestSubstring(s string) int {
    runes := []rune(s) // 支持 Unicode（中文等）
    lastIndex := make(map[rune]int)

    left := 0
    maxLen := 0

    for right, ch := range runes {
        if prev, exists := lastIndex[ch]; exists && prev >= left {
            left = prev + 1
        }

        lastIndex[ch] = right

        if currLen := right - left + 1; currLen > maxLen {
            maxLen = currLen
        }
    }

    return maxLen
}

rag篇

如何评估一个rag系统的好坏

• 首先是检索相关性（找到的内容是否包含答案）
• 其次是生成质量，这又可以细分为
  • 语义准确性（回答的意思是否正确）
  • 词汇匹配度（专业术语是否使用得当）

如果优化rag

• 在性能层面，可以通过以下方式来提升效率和能力边界。
  • 索引分层（对高频数据启用缓存）
  • 多模态扩展（支持图像/表格检索）
• 在架构层面，简单的线性流程正在被更复杂的设计模式所取代
  • 通过分支模式并行处理多路检索
  • 或通过循环模式进行自我修正

embedding 模型的作用是什么

将文本映射到一个能够表达语义信息的向量空间中，使语义相似的文本在向量空间中的距离更近。

• 示例解释
  • 苹果手机多少钱和iphone的价格是多少
  • 虽然文字字面不同，但是语义是相同的
  • 转为向量后，向量距离会很近

prompt、rag、skill和微调的区别

• promt 的目标是如何用好llm现有的能力
• rag 是通过外部知识库，来解决llm 无法获取实时信息的问题
• 微调 是调整底层具备的能力、风格，是模型群众的重塑
• skill 的话是行为能力的一种延伸

如何选择

• 当你在工程落地中面临选择时，可以依次问自己以下几个问题：
• 模型现有的知识和能力够用吗？
  • 够用 ➡️ 提示工程。
• 不够用，是因为缺乏特定/实时的垂直知识吗？
  • 是，需要看文档 ➡️ RAG。
• 不够用，是因为需要做数学计算、数据库查询等具体动作吗？
  • 是，需要连外部系统 ➡️ Skill / Tool Calling。
• 模型什么都知道，但怎么和它说它都不听话、格式总是对不齐、或者想要极致的特定文风？
  • 是，必须改造行为 ➡️ 微调。

Go 语言仓储模式（Repository Pattern）落地指南

一、 核心架构图

仓储模式的核心思想是解耦业务与底层存储。业务层通过接口与数据层交互，实现“铁打的业务，流水的技术”。

二、 标准目录结构

在 Go 项目中，通常结合 internal 目录限制外部非法引入，结构如下：

text
my-project/
├── domain/                  # 【领域层】最核心，完全纯粹，无外部技术/数据库依赖
│   ├── user.go              # 用户实体、业务方法、以及 UserRepository 接口
│   └── errors.go            # 领域层的通用业务错误（如 ErrUserNotFound）
│
├── internal/                # 【实现层】私有封装，防依赖污染，允许大胆重构
│   ├── repository/          # 仓储实现层
│   │   └── mysql_user.go    # 实现 domain.UserRepository 接口，内含 GORM/SQL 逻辑
│   │
│   ├── service/             # 业务逻辑/应用层
│   │   └── user_service.go  # 组合各种 domain 接口完成具体的业务流水线
│   │
│   └── delivery/http/       # 传输层/接口层（如 Gin 路由、HTTP Handler）
│       └── handler.go
│
└── main.go                  # 【入口】组装全局依赖（依赖注入），启动服务

核心原则

Agent 不可能完全避免报错，关键在于：

让错误可恢复（Recoverable）、可观测（Observable）、可控制（Controllable）。

标准处理流程：

text
报错发生
    ↓
识别错误类型
    ↓
判断是否可重试
    ↓
自动修复或降级
    ↓
记录日志
    ↓
必要时转人工

GPM模型

• G：go中的协程
• M: 系统线程，真正执行go代码的地方
• P：调度上下文，保存本地G队列以及调度运行所需的资源，M必须绑定一个P 才能执行go代码 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

做了哪些数据库相关的优化

• 性能优化

  • 解决数据量激增需要面临的分库分表问题
    • 从mysql迁移到百度的gaiaDB，增加读写分离
      • 增加只读节点
        • 把大量查询请求从 RW（Read Write）节点分流出去，
        • 让 RW 专注于写事务和少量必须读取最新数据的查询，
        • 从而提升整个集群的吞吐能力

• gaiaDB优势：

  • 通过数据库代理统一管理连接池、读写分离、故障切换、读写分离
  • 无需分库分表
  • 采用存储和计算分离架构，单实例最大数据量超 500TB，存储自动扩容
  • 支持列存索引，实现复杂查询性能相比MySQL提升100倍以上
  • 支持按需扩展、按需付费，综合成本降低50%

• 索引优化

  • explain 判断是否使用索引、索引类型、扫描多少行、连接方式、是否需要排序、是否使用临时表等。
    • type 的常见值

    type	含义	好坏
    const	主键唯一查询	⭐⭐⭐⭐⭐
    eq_ref	主键关联	⭐⭐⭐⭐⭐
    ref	普通索引	⭐⭐⭐⭐
    range	范围查询	⭐⭐⭐
    index	全索引扫描	⭐⭐
    ALL	全表扫描	❌

    • key 使用了那个索引
    • extra
      • use index
      • use where
      • use tempory
      • use filesort

• sql优化

  • 接口响应优化从23s到 300ms的实现
  • sql LIMIT offset, size查询导致的频繁扫表问题