AI世界变幻之快，没几天就有新概念了，最近热讨论的是Harness Engineering（驾驭工程）这个词。OpenAI、Anthropic、Martin Fowler……一线的公司和技术大佬都在讨论它。很多科普文章会告诉你：Harness 就是给 AI 设边界、分步骤、做检查,你平时用 Claude Code 时已经在做了用最简洁的话说：Harness 是包裹在大模型外面的"执行与治理系统"。公式就是 Agent = Model + Harness。那么我们给最近爆火的 Harness Engineering 一个清晰直白的比喻：想象你面前有一匹又快又壮的马。你想让它帮...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习经历中涉及AI的部分说一下2.向量召回之后为什么还要Rerank呢3.粗排和精排在开销上有什么区别呢4.粗排和精排在考虑相似度的时候有什么区别5.背后有什么机制支撑它更精确地做这种精排呢6.第一段实习构建的文档数量级7.用什么方法能很高效地做相应的召回和检索8.就是如此多的文档下，如何更快地去检索出来相应的文档呢9.Agent和RAG怎么样封装再去对外提供这样的一个服务呢10.有了解过构建Agent的范式吗11.区别和使用场景12.了解过多Agent吗13.一般我们核心要关注哪些点14.多Agent没有做过实践吗15.Agent的记忆说说你的理解16.有做过记忆的实践吗17.用过LangChain和LangGraph这样的框架吗18.主要用了框架的哪些特性19.LangChain4j是把组件做了封装是吗20.如何实现的流式输出21.有没有其他方式实现Stream流式输出的这种感觉22.Kafka如何保证的高性能23.实现分布式锁一般会有哪些手段24.抛开Redis呢，实现分布式锁的手段25.有遇到过OOM的情况吗

面试时间： 5.21技术栈： Agent、Java、Python、Node、SQL、前端面试题目1.自我介绍2.新闻数据来源、数量规模如何存储，数据库表如何设计的，存哪些字段数据来源：RSS 订阅、爬虫抓取、第三方 API（如 NewsAPI）。存储规模达百万级时采用分库分表或时序分区。表设计核心字段：id、title、content、source、publish_time、category、embedding_vector（外链向量库）、create_time。按发布时间做范围分区，热数据放近期分区加速查询。3.新闻向量数据库如何分区？文本编码方式，新闻词嵌入，如何召回，编码方式和召回方式如...

说出来挺羞耻的。我隔壁工位那哥们儿是26届正职，简历贼牛，进过两家大厂实习。前两天他电脑没锁就去吃饭了，简历文件就摊在桌面上。我鬼使神差点开看了一眼，看完心态崩了——同样是项目经历，人家写得跟拆弹一样有节奏，我写得跟流水账似的。也是最近投实习一直没反馈，我真是投急眼了，也没想就回去把他那套框架照搬了，STAR结构、量化数据、技术选型动机一个不落。当然项目是我自己的，就模仿了下表达方式。投了五家，今天2家大厂HR打电话约我下周面试，说简历写得很清晰。我也不知道该高兴还是该羞愧。一边想着这算不算抄，一边又想，求职这事儿不就是信息差吗，他大四能进大厂凭啥我不能学。晚上请他喝奶茶了，他还问我最近咋这么客气。哥，对不住