我的工作，一半成长，一半消耗

1、介绍一下你做过的最有挑战性的项目项目背景：业务场景：电商平台秒杀系统，需要支持10万+并发抢购技术挑战：高并发、超卖防控、系统稳定性、用户体验团队规模：5人开发团队，我负责核心交易模块技术方案设计：前端限流：按钮置灰、请求合并、本地倒计时网关层：Nginx限流，单IP每秒最多10次请求应用层：Redis预减库存，Lua脚本保证原子性数据层：MySQL行锁+乐观锁，防止超卖消息队列：RabbitMQ削峰，异步处理订单遇到的问题：问题1：Redis缓存击穿导致数据库压力骤增 解决：使用互斥锁，只允许一个线程查询数据库问题2：分布式环境下库存扣减不一致 解决：引入Redisson分布式锁，保证原...

OpenClaw 本身不是大模型，它就是个执行层传话工具：你发指令 → 它转给大模型 → 大模型决策 → 它执行操作 → 结果回传给大模型 → 任务完成后反馈给你。理论上它能做任何事，因为它拥有系统全权限。但它极其烧 Token，每一次调用、每一轮交互都在消耗。指令清晰度、任务复杂度、执行是否顺利，都会直接影响成本。一个简单的搜索，一旦网络波动或出错，就可能触发无限重试，Token 直接爆炸。用之前一定要算清楚：收益能不能覆盖成本。更要命的是安全风险。OpenClaw 握有你电脑的最高权限，一旦遭遇提示词攻击、指令注入，就可能被诱导泄露密钥、文件、隐私数据，后果直接不可逆。OpenClaw 快速出圈，说明它切中了 AI 落地的痛点，但成本与安全两大硬伤都没解决，现阶段使用必须谨慎。它并不神秘，也不是刚需。我的建议是：让子弹飞一会儿，先想清楚自己的真实需求，等框架更成熟、安全机制更完善再上手也不迟。现阶段，Claude Code、Codex 这类成熟编程工具，反而更值得投入学习。

作为大四后端开发，一边实习写业务、改 bug，一边投简历、刷算法、等面试，很容易两头乱。核心是：实习稳住基本盘，摸鱼间隙刷高频题，晚上集中投简历 + 复盘。不裸辞、不摆烂，用项目经验当筹码，边练边面，稳步拿到更合适的 offer。#如何一边实习一边找下家？#

周五面的 1.你用openclaw做什么？2.用agent能不能做3.你现在研究的agent调用量很小，那如果调用量特别大，会出现什么问题，你怎么优化4.你提到了压缩上下文，怎么压缩，我传超大上下文有问题吗？上下文很杂乱怎么办，你怎么去查找你想要的5.你了解rag吗6.你怎么做的rag7.流式返回怎么做的，为什么选webflux，还有什么？8.如果你召回的精度不高，怎么提升9.es用什么存储向量10.你怎么去es查向量11.平常怎么用aicoding12.aicoding生成的代码不是你想要的你怎么办，不断问他？有什么提效方式问了5分钟实习八股：1.怎么优化慢sql2.索引失效直接结束了，无算法，反问聊了会儿ai全ai拷打，反问时候问了，面试官说他们部门全体转型ai最近变化会很大，对ai需求非常大，感觉应该要挂，因为我ai就是三脚猫功夫，其实不怎么懂，等等周一结果。