校招Offer求比较：OPPOVS北方华创微电子

AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

要招就招，每次一脚踢开，挂完一两小时后 发面试邀请，我又乖乖接受 还有机会吗

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

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...