1. Guava Cache 和 Caffeine 分别使用了什么缓存淘汰算法​2. 实际项目里本地缓存命中率大概多少​3. 引入缓存带来的风险和解决方案​4. 缓存的读写策略​5. 如何保证缓存和数据库一致性​6. “先写缓存，再异步批量刷库”方案，除一致性外还有哪些潜在风险​7. 如何拦截恶意请求，设计防护手段避免缓存被恶意利用​8. 布隆过滤器原理，如何解决缓存穿透​9. 布隆过滤器误判概率大概多少，如何估计​10. 定时任务 5 分钟一轮询，任务执行超 5 分钟时，如何保证状态不丢失、不阻塞调度​11. 分布式 RPC 为什么要自定义协议，而不用 HTTP​12. 单机 QPS 1w+ 这个数据是怎么统计/得到的​13. RPC 项目目前瓶颈在哪​14. 了解哪些 HTTP 版本，各版本特性​15. HTTP 队头阻塞是什么​16. 队头阻塞是否只存在于 HTTP 层面​17. TCP 会不会存在对应阻塞问题​18. HTTP3 如何解决 HTTP2 在 TCP 上的队头阻塞​19. 为什么 HTTP3 基于 QUIC，而不继续在 TCP 上优化​20. TCP 如何实现可靠传输和流量控制​21. TCP 发送窗口如何根据接收窗口和拥塞情况动态调整，窗口结构如何维护变化​22. TCP 如何判断报文丢失，什么条件触发重传​23. TCP 除重传计时器外还有哪些计时器​24. AI 项目中降低大模型幻觉的具体优化方法​25. 大模型产生幻觉的底层技术原因​26. 算法题：Java 原生数组实现栈，实现常用操作

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

rt，成功约面，对字节有一种天然的如见长辈的恐惧，恳请面过的留个面经或者mark，我去您的主页好好学习一下

不得不说，AI Coding 用起来是真的爽。我没遇到 3.29 那批说的输出慢的问题，整体用着很顺畅，感觉他们内部应该是优化过了。这次题目是一个 README.md 文档，让做一个简历筛选和排序的助手。输入是 MD 格式的简历（大概 60 篇）和职位要求，输出是一个 result.json，里面是筛选出来的候选人排序结果。功能上要求实现特征提取器、归一化（要处理同义词问题）、还有评分器。交付的东西包括源码、说明文档、输出结果、测试代码，以及后续可以优化的点。我的做法是让 AI 先给架构和规划，然后一步步实现。大概 30 分钟搞出来一个简单的 MVP，剩下的时间就一直在优化、优化、再优化。整体体验还不错。