无

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 512平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄23年

关注

原创最新推荐文章于 2026-11-09 21:35:06 发布 512 阅读 AI 写同款· GEO 优化 ›

开源大模型本地部署实战：Llama、DeepSeek、Qwen选型与工程落地指南大语言模型（LLM）本地部署已成为AI工程化核心环节，其本质不是比拼参数量或榜单分数，而是考察模型架构、推理引擎、量化支持、IDE集成与多模态扩展能力的系统性适配。Llama以纯净Transformer结构成为通用底座，依赖llama.cpp和GGUF量化实现跨平台轻量推理；DeepSeek深度优化代码与数学推理，通过原生OpenAPI、FlashAttention-2及tensor parallelism显著降低API延迟；Qwen则采用模块化设计，支持视觉编码器（Qwen-VL）、生物计算（Qwen-B 阅读详情

好久没去实验室干活了，老板都不能忍了，让师兄把我叫去。看来最近又得忙了。

下午去面试搜狗。都差不多忘记这家公司了，笔试过了一个多月了才有面试。最近笔试面试都是一些国企，公务员考试的题目做了不少，算法的东西却忘得差不多了。

收录于

当前文章被以下社区和专栏收录：

标签

#面试 #搜狗 #算法

嵌入式AI实战：基于RK3588部署YOLOv11并集成OpenCV实现实时推理（全流程详解）本文详细介绍了在RK3588芯片上部署YOLOv11目标检测模型的全流程，包括环境搭建、模型转换和实时推理实现。主要内容为：1）通过YOLOv11官方工具将PyTorch模型转为ONNX格式；2）使用RKNN Toolkit2将ONNX模型转换为适配RK3588的RKNN格式；3）在RK3588上结合OpenCV实现实时视频推理功能。教程提供了完整的代码示例和详细步骤说明，帮助开发者快速在边缘设备上部署目标检测模型，实现AI视觉应用的落地。阅读详情

相关推荐

七、永磁同步电机矢量控制(FOC)—MTPA控制及Simulink仿真

前面几节的内容已经完成Id=0控制策略的理论和仿真以及双闭环PI参数整定。在接下来几节中，将陆续讲解MTPA、弱磁控制等内容。

weixin_45182459的博客 8190

RabbitMQ 面试题

你发一条消息，在网络上并不是一个整体飞过去的。如果消息比较大，RabbitMQ 的底层协议会把它切成多个数据包（帧），按顺序发送，Broker 收到后再拼起来。假设线程 T1 和 T2 同时用同一个 Channel 发消息：T1 发消息 A，被切成三个帧：[A1] [A2] [A3]T2 发消息 B，也被切成三个帧：[B1] [B2] [B3]如果没有任何保护，这两个线程的帧可能交错到达 Broker，变成 [A1] [B1] [A2] [B2] [A3] [B3]。

互联网叫兽 482

如何在n8n中高效调用playwright-mcp实现浏览器自动化（附避坑指南）

本文详细介绍了在n8n中高效集成playwright-mcp实现浏览器自动化的全流程指南，包括环境准备、工作流设计与优化、高级技巧与性能调优以及调试与问题排查。通过克服实际部署中的各种挑战，帮助用户打造稳定高效的自动化解决方案，特别适合需要浏览器自动化的工作流场景。

weixin_30379531的博客 387

基于 TVM Relax BYOC 扩展 Example NPU 后端：从跑通官方流程到自定义算子融合

至于 codegen 要不要补，取决于 Example NPU 的实现细节——先跑通分区验证，再决定是否深入 codegen，是更稳妥的路径。而「扩展一个原本不支持的融合模式」这件事，恰好能证明你不是照着教程抄了一遍，而是真的理解了 BYOC 的分区规则是怎么工作的。），那么新模式即使被切出来，codegen 阶段也可能报「不支持的算子」。如果 Example NPU 的 codegen 是「按算子名硬编码」的，那么新模式切出来之后，这句话本身没问题，但偏「结果导向」，面试官会追问细节。

Maxwell_Newton的博客 287

工创赛智能搬运小车实战：视觉定位、底盘控制与RTOS调度

智能搬运系统是嵌入式控制与机器视觉融合的典型工程实践，其核心在于视觉定位精度、运动控制稳定性与实时任务调度能力。在有限算力（如STM32H7）、低功耗约束和结构化场景下，传统CV方法（如FAST+RANSAC）比轻量级深度学习更具鲁棒性与实时性；而底盘控制需穿透PID表层，直击死区补偿、编码器硬件滤波与负载自适应等物理层细节；RTOS则不是炫技工具，而是保障多模块时序确定性的刚需——尤其在视觉-控制-执行强耦合链路中，任务优先级、事件组通信与栈安全直接影响系统存活。本文聚焦全国大学生工程训练竞赛（工创赛）真

weixin_29194693的博客 266

PCL 提取两片点云的非重叠部分【2025最新版】

PCL 提取两片点云的非重叠部分。博客长期更新，本文最近一次更新时间为：2025年9月1日。

点云侠的博客 36万+

smart-tunnel-ai · 隧道/高速智慧化 AI 应用项目

面向的工程师：一个能跑通、能改、能讲清楚的 Spring Boot + Spring AI 项目。：它不是「调了个 ChatClient 输出一句话」，而是把切块策略、增量入库、来源溯源、防幻觉、工具调用、结构化输出、评估集、密钥守卫、CI 护栏这些工程问题都落到了代码里。每一处都能指向具体类讲取舍。详见。

futurn_hero的博客 276

仿真学习系列（四十九）：Sigrity仿真之电容库制作

在高速电路设计中，电源完整性（PI）是确保系统稳定、可靠运行的关键因素。随着电子产品对性能的要求不断提升，PDN（电源分配网络）的设计与优化变得尤为重要。为了确保电源网络在高速工作状态下不会引发电压波动和信号干扰，我们需要在设计中精确地选择电容器进行优化，而电容库的制作则是这一过程的核心。 OptimizePI作为一个强大的电源完整性优化工具，能够帮助设计师根据不同的目标，批量进行PDN仿真，以得出最佳电容选择。

案例文章，高速信号 223

LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等）

LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等）题目描述：给定三个字符串 s1、s2、s3，请你帮忙验证 s3 是否是由 s1 和 s2 交错组成的。两个字符串 s 和 t 交错的定义与过程如下，其中每个字符串都会被分割成若干非空子字符串： - s = s1 + s2 + ... + sn - t = t1 + t2 + ... + tm - |n - m| <= 1 - 交错是 s1 + t

huayimenghan的博客 206

最新Python爬虫实战（入门爬虫篇）——案例3：爬取二次元cos图片批量下载到本地（附上完整爬虫代码）

本次案例通过Python爬虫技术实现了二次元图片的批量下载。代码采用模块化设计，函数实现cookies的自动解析，简化了配置流程，涵盖“请求列表页→提取详情页URL→请求详情页→提取图片链接→保存图片”的完整流程，与豆瓣案例的核心逻辑和格式完全对齐。学习重点包括：抓包工具定位多层级数据源、正则表达式匹配复杂链接、模拟请求头绕过反爬机制、文件名安全处理及自动化文件管理。需要注意控制请求频率并遵守网站使用规范，适用于入门爬虫实践，帮助学习者掌握多层级页面爬取的核心逻辑。

努力让自己发光，对的人才能迎着光而来 14万+

leetcode134 加油站

题目如下在一条环路上有 N 个加油站，其中第 i 个加油站有汽油 gas[i] 升。你有一辆油箱容量无限的的汽车，从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发，开始时油箱为空。如果你可以绕环路行驶一周，则返回出发时加油站的编号，否则返回 -1。说明: 如果题目有解，该答案即为唯一答案。输入数组均为非空数组，且长度相同。输...

ayang818 's blog 233

Spring 原理高频面试题全解：Bean 生命周期、三级缓存与 @Transactional 失效（2026 招聘 JD 真题复盘）

按 2026 招聘 JD 与一线面经整理 10 道 Spring 高频题：Bean 生命周期与扩展点顺序、AOP 代理生成时机、三级缓存为何必须三级、构造器注入循环依赖为何无解、@Transactional 六类失效与自调用修复三法、REQUIRES_NEW 连接池耗尽风险、事件总线同步语义与 @TransactionalEventListener、自动配置从 spring.factories 到 imports 的演进、自定义 Starter 三步走，附速查表与三条追问链。

蒙眼过河 316

UNet改进（19）：基于残差注意力模块Residual Attention的高效分割网络设计

本文提出一种结合注意力机制的改进UNet网络，通过引入残差注意力模块(ResidualAttentionBlock)增强医学图像分割性能。该网络在传统UNet的U型结构基础上，创新性地将轻量级注意力机制与残差连接相结合，在编码器-解码器各层级实现特征重标定。改进后的网络具有三方面优势：通过注意力机制自适应聚焦关键特征区域，利用残差连接缓解梯度消失问题，采用模块化设计灵活配置注意力位置。

2501_91516851的博客 780

Docker镜像优化：面试高频翻车的简单题

本文深入探讨Docker镜像优化的两大核心层面：体积优化与构建速度优化。指出仅关注镜像瘦身（如使用Alpine）是表面理解，真正关键在于平衡空间与时间——在DevOps流水线中，构建速度常优先于体积。文章详解了多阶段构建、缓存利用、.dockerignore文件等高效策略，并揭示Alpine镜像虽小但存在兼容性、依赖缺失等风险，强调需结合业务场景权衡选择。掌握这些细节，方能在面试中展现真实技术深度，脱颖而出。

java后端架构 203

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

AI 全栈开发工程师【二面】

传统的大模型应用通常采用：用户输入 → Prompt → LLM → 输出结果这种模式适合简单问答、文本生成和信息提取等任务。但对于复杂业务，仅依靠一次模型调用往往不够。例如，用户提出：帮我查询某个地区近三个月销量最高的产品，并分析销量变化原因。理解用户需求。拆解查询条件。调用数据库或外部工具。获取查询结果。分析数据。生成最终报告。Agent 的核心价值在于让大模型不仅能够生成文本，还能够根据任务目标进行规划、调用工具、观察执行结果，并根据结果调整后续行动。

qq_22841387的博客 447

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

从 MLIR Toy Tutorial 到自定义硬件方言 Pass：一份 AI 编译器面试项目实战指南

AI 编译器岗位的面试，通常不会只问你「什么是算子融合」这种概念题，而是会顺着简历上的项目往下挖：你写的这个 Pass 解决了什么问题？IR 是怎么设计的？lowering 的边界在哪？为什么这里要插一个 Op 而不是直接生成循环？一个基于 MLIR 的小项目，恰好能覆盖这些追问点。它足够「真」——你能讲清楚 IR、Dialect、Pass、Lowering 的完整链路；又足够「小」——不需要真的去写一个后端，也不需要跑在真实硬件上。先讲 MLIR 的核心思想、分层设计和功能；

Maxwell_Newton的博客 336

【AI Agent面试系列】上下文管理1

工具返回价值密度最低、体积最大（常占 30%~60%），清理它收益最高、损失最小。摘要对话会丢语义细节，代价更高。按"价值密度从低到高"排序，不是按"体积从大到小"。

355

邓明 Agent 系统面试-意图识别学习笔记

不要只是做意图识别而不做测评，就好像要评估 RAG 准确性，在接口服务要测试响应时延，超时控制等等，这里也要关注意图识别准确率，如果面试官认为项目指标太高是在吹牛，关键就是回答因为 Agent 解决的是特定领域的意图识别，识别场景单一，另外就是因为用户输入相对简单。意图识别影响 prompt/spec 的加载，意图识别影响上下文组织，意图识别影响工具选择，意图识别影响 prompt 建议，意图识别得到的意图不是让模型随机生成而是候选类别里去做选择。2.意图识别的原因，以及意图识别得到的是什么？

m0_57222081的博客 213

上位机面试：值类型 vs 引用类型

大部分教程会告诉你"值类型在栈上，引用类型在堆上"。如果 ④ 和 ⑤ 都用 99，⑤ 打印出 99 时你分不清是"第 3 条和第 4 条是最容易混的，也是面试最爱追问的地方。很多人把"传引用类型的参数"当成"引用传递"，这是错的。所以那句"引用类型比较就是比地址"不是通则——跑 100 万次对比，数量级差异很明显。记住这张图，下面所有现象都能推出来。这一行，才是真正的"按引用传递"。的核心原因——泛型不需要装箱。生效了"还是"根本没生效"。，比背"栈和堆"高一个层次。，这是测试设计的基本要求。

hanxiaodihhh的博客 205

# Linux 系统编程深度解析：从文件 I/O 到高并发网络

Linux 系统编程，就是用 C/C++ 等语言，直接调用 Linux 内核提供的接口（系统调用）来操作硬件资源（文件、内存、CPU、网络）的编程方式。你写过的、、、，全部都是系统调用；你写过的、、，是库函数，库函数底层最终还是调用系统调用。CPU 有特权级别（x86 上 ring 0 是内核态，ring 3 是用户态）：应用程序跑在用户态。当你调用时，CPU 会通过或指令触发陷入（trap），切换到内核态，由内核完成真正的磁盘读取，再切回用户态返回结果。为什么要区分两个态？安全：用户

LJM_X的博客 362

C++ 运行时多态与虚函数机制全面剖析【面试重点】

构成C++ 运行时多态必须是基类的指针或者引用调用虚函数。被调用的函数必须是虚函数，并且派生类必须对该虚函数完成重写/覆盖（Override）。只有基类的指针或引用才能既指向基类对象，又指向派生类对象（切片机制）；而只有完成了虚函数重写，派生类与基类才具备不同的函数行为，达到“指向谁就调用谁”的效果。在类成员函数的前面加上virtual关键字修饰，该成员函数就成为了虚函数。public:// 成员函数前加 virtual 修饰，声明为虚函数。

Fuyo_0209的博客 435

[特殊字符]中粮集团秋招｜11.7线上笔试+AI双环节

#中粮集团校招 #中粮笔试题库 #中粮笔试 #2027秋招 #央企笔试 #职豚题库 #秋招笔试 #AI面试 #校招备考。✨拉开分差重点，一定要背 ▪部分岗位附带专业考题 ▪笔试结束马上衔接 AI 面试，高频题：自我介绍、求职动机、岗位匹配，提前备好思路。收到中粮笔试邮件的宝子集合📩 这次是线上笔试 + AI 面试连在一起按顺序作答很多人容易忽略 AI 面试环节，踩大坑！✅考试：11 月 7 日（周六）10:00–11:40，合计 100 分钟 ✅。

Bxy886的博客 215

「设计一个在线文档协同编辑系统」：从 WebSocket、OT/CRDT 到快照回放，一篇讲透这道面试顶流题

大厂面试顶流题：设计飞书式在线文档协同编辑系统。从 WebSocket 长连接、OT 与 CRDT 核心原理、可运行 Java 代码讲起，覆盖文档 Actor 串行定序、Redis/Kafka 跨节点广播、快照 + OpLog 版本回放、断线离线合并、光标同步、权限管控。拆解并发冲突收敛难点，附 18 条速查表，面试可直接背诵，项目可当作设计文档。来聊聊你选 OT 还是 CRDT？

xiaokjv的博客 276

AI面试复盘系统：从模糊感受到可迭代优化

复盘的价值不在于给上一场打分，而在于把“我好像不太行”转换成“第 3 类追问下我的方案缺少容量估算”——后者才是能改变的。系统的作用，是让这个转换每次都发生，并且在下一次面试时告诉你它到底有没有发生。海量精选技术文档和实战案例持续更新，敬请关注【风骏时光少年】

m0_55877125的博客 150

零基础转 AI 运维：投入清单、技术路线与核对表

零基础转AI运维需科学决策：投入上，按时间（课时+练习）、资金（四要素拆解）、精力（每周8-15小时）三表核算；路线依依赖排序：底座层（系统/网络/集群）→智算层（K8s/大模型部署/RAG）；课程核对须关注结构分段、真实算力实验、完整项目案例与就业服务。建议将总周期切为两周小阶段，每阶段产出可验收项目，积累求职素材。

140

Android 面试题逐题简析：28 个专题，232 题

常见原因是未在 onMeasure 处理 AT_MOST 下的期望尺寸，沿用了默认测量而占满可用区域，或未考虑内容、padding 和最小尺寸。应计算 desiredWidth/Height，再通过 resolveSizeAndState 等与父约束合并。wrap_content 是测量输入，框架不会自动知道自定义内容想要多大。

一个踩这七色彩虹的路人甲 152

LeetCode 面试经典 150_数学_阶乘后的零（133_172_C++_中等）

LeetCode 面试经典 150_数学_阶乘后的零（133_172_C++_中等）题目描述：给定一个整数 n ，返回 n! 结果中尾随零的数量。提示 n! = n * (n - 1) * (n - 2) * ... * 3 * 2 * 1

huayimenghan的博客 114

上一篇：无题

下一篇：《集体智慧编程》

七、永磁同步电机矢量控制(FOC)—MTPA控制及Simulink仿真

weixin_45182459的博客

03-27

8190