1. 自我介绍2. 项目介绍3. 多智能体项目中，工具调用是怎么实现的？4. MCP 有哪些协议是否了解？5. RAG 的工作流程6. Tranformer 为什么出现？解决了什么问题？注意力机制介绍一下7. 大模型生命周期相关，训练，微调，量化，剪枝，蒸馏，部署，分布式等，从头到尾串了一遍8. 有一个垂域大模型，部署成本过高，如果要降低部署成本，你会选择蒸馏还是量化？9. Linux 进程与线程的区别10. Python GIL 锁有没有了解？怎么绕过 GIL 锁？11. Git 多人协作的时候怎么处理合并冲突？12. 开放性问题：你在学术项目中印象最深/感触最大的一件事13. 开放性问题：...

不过大厂的面试确实比小厂能学到更多

哪里可以改改吗？是哪里出了问题😭

第一次被拉进技术评审会时，我以为自己只是去旁听。结果会开到一半，大家盯着一段异常波动的调用链，讨论一个老问题: 流量上来以后，某个核心模块偶发超时，重试一多，后面的服务压力也跟着抬起来。 当时没有谁直接把答案告诉我。导师只说了一句：“你先别急着改代码，先判断问题到底出在哪一层。”这句话我记了很久。因为真正有挑战的技术工作，第一步往往不是写，而是判断。 接下来几天，我补链路、看日志、对照监控，把请求路径一点点拆开。最开始我也怀疑过是不是单点性能问题，但越看越发现，问题没那么简单。它不是某一行代码突然变慢，而是高并发下，上下游配合方式开始变得脆弱：重试策略叠加、依赖调用放大、部分节点抖动后缺少足够...