30号晚上产品经理笔试

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...

还能这样？直接把面试取消了。为啥呀

1. 你现在做的系统如果让我一句话理解，它解决的核心问题是什么2. 如果让你重新设计这套系统，你会先拆哪几个边界，而不是先画微服务图先拆交易主链路和旁路能力。主链路只保留强约束动作，比如下单、库存冻结、支付确认、履约状态推进；旁路能力像风控、推荐、画像、报表、运营分析都要尽量异步化。再往下拆数据边界，订单事实、库存事实、支付事实不能混成一张万能表。最后才是服务边界，因为很多系统不是服务没拆好，而是业务一致性边界一开始就画错了。3. 一套交易系统里，什么地方最容易被误判成“性能问题”，其实是模型设计问题最典型的是状态字段过载。很多系统把几十种业务状态塞进一个 status，然后所有查询、补偿、回...