● 岗位描述：Bravo 102是由阿里国际技术全团队共同发起的技术人才孵化计划，打破传统人才选拔及培养框架，为有志于走向AI未来的技术新锐们，提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里，“我”将不被岗位定义，以能力选择业务战场，与全球顶尖团队并肩作战，沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们，成为AIDC首批102位Bravo Talent，一起掌舵AI，为我们的未来Bravo！ 关于我们： 阿里国际技术专注于提供卓越的数字零售技术服务，致力于服务全球消费者，并触达全球中小企业买家。我们希望利用AI技术让每个人都能够轻松、便捷地享受全球优质的商品和服务，推动商业活动更加高效、可持续，为社会未来的发展带来更多可能性。 我们提供涵盖商品智能、商家服务、供应链优化、跨境物流、搜索推荐引擎、用户增长、金融服务、客户体验、AI 基础设施、企业数智化、全球云及高可用架构、研发效能等技术领域，实习生可跨多个技术域实践，深度参与多场景技术攻坚，探索你想选择的职业发展方向； 在这里，你将和我们一起，采用领先的数字化及人工智能等技术持续解决商业活动中的现实问题，创造技术价值，为消费者带来更加美好的体验！欢迎加入我们！● 工作职责： 1、参与基础软件的设计、开发和维护，如分布式文件系统、缓存系统、Key/Value 存储系统、数据库、Linux 操作系统等，探索 AI 在系统调优中的应用（如通过机器学习预测热点数据提升缓存命中率）； 2、参与国际电商系统及基础设施的核心模块开发，集成 AI 模型服务，为公司产品提供强有力的后台支持，设计并实施最强大的解决方案； 3、参与产品的开发和维护，完成从需求到设计、开发和上线等整个项目周期内的工作，能够通过 AI 工具提升开发效率；4、参与海量数据处理和开发，使用Java/SQL/Python开发 ETL 流程，结合大模型实现数据清洗与特征工程自动化（如利用大模型生成 SQL 查询模板）； 5、参与项目为用户提供丰富而有价值的桌面或无线软件产品，能够探索 AI 在业务场景的落地应用（如大模型在供应链定价、销量计划、库存、履约等复杂场景的智能洞察和协同，基于大模型的个性化推荐系统，交互式智能导购，需求预测模型部署，异常检测算法实现等）。● 岗位要求基础能力：学科成绩优异；代码能力出色：代码思路具备一定逻辑性，熟练使用常见的设计模式，输出高高质量代码（可读性、可理解性）；专业成果：竞赛或论文产出：专业领域内知名会议或期刊发表过学术论文，担任一作/学生一作/共 —，或专利/软著；开源社区贡献：在GitHub等开源社区具备有较大影响力的技术项目 （star X），作为collaborate/committer/menber优先；实习经历：校内/校外项目深入了解并积极实践相关技术在实际场景的应用，能够独立应用技术解决问题有意向广州的欢迎私信勾搭，绝对核心组，也可做AI相关研发

笑死回答问题中途以为我网卡了,我挥了挥手,没想到没卡,面试官看到了,也跟我挥了挥手有点可爱面试官经典模型应用简单八股 Rag Functioncall MCP 轮轮都问,都快问烂了库库吟唱就对了1.自我介绍 个人情况2.AI的项目是什么背景?3.详细介绍FunctionCall的原理?什么是智能路由开发?4.怎么实现的记忆功能?说说ZSET相关数据结构和使用场景?5.知道MCP么,谈谈你的理解6.RAG怎么理解的?大模型的幻觉是什么?7.知识库搭建中有什么挑战么?提供的文档有做过处理么?有对数据去进行一些处理么?8.pgvector的底层存储,存储原理,检索调参有了解么?9.文生图和图生文是怎么实现的? 10.用了什么大模型,有集群部署么?qps怎么样? 11.网盘项目说说吧,断点续传怎么实现的?12.多级缓存一致性?canal的原理?多级缓存解决什么问题?13.讲讲布隆过滤器?14.AOP的实现原理?闲聊:1.具体的业务是什么?Bravo102 实习生计划,海外的电商场景 说有102个项目让我们去选择感兴趣的2.AI体系下的搜推提效,AI的选品相关,我看你还是对这方面还是比较有经验的3.笔试做了么?快快做哦 (又是你,笔试,这一次我所失去的,我一定要加倍拿回来!!!!!!)

一面介绍项目介绍负载均衡介绍限流降级介绍线程和进程区别介绍数据库死锁手撕：一个线程安全的单例模式为什么安全链表排序空间复杂度o1二面介绍项目使用了消息队列全程围绕消息队列，面试官想用一个容器来保存视频或者图片引入到消息队列，可不可以。就探讨半个小时手撕拓扑排序，任务调度三面介绍项目一点没问😂全程探讨视频图片存储调度半个小时体会：bg双9，面试官很好，感觉很注重思考，面试有连续性。每次面试都要总结一下，可以问一下面试官这些场景他们是怎么做的，当时三面我就是采用二面面试官的引入容器方法来存储，感觉说到点上了，还说很好的想法😂。本人比较菜的，祝uu们也能早日找到心仪的实习。我感觉现在纯后端太难找了，可以尝试介绍项目的时候说自己接触过一两个ai或者大模型的项目，面试官对这些很感兴趣现在我有两个offer，一个字节的是做的ai infra，使用python少量的go，主要是ai大模型训练数据存储调度的，leader很好，希望我能长期实习，最好能转正。一个美团的是做美团客服agent的。本人比较菜，对这两个前景都不太了解，而且还在想秋招假如进国企，这两个实习好像都是搞ai大模型的不是Java😵，能给我什么建议吗？还有帮我选择一下，谢谢啦。 

1. ​分布式订单ID生成? 短时间高并发下如何保证唯一性？我先回答了雪花-like, 上段实习中, 我们项目的全局GUID生成器是我写的, 考虑了短时间内大量产生的情况, 向后借用, 未考虑时钟回拨然后想起来当时和leader讨论,  单独的GUID生成中心, 分批向各个ds批发号段.. 或者是用tacplus的自增id, 但是这样效率太低2. ​CPU 性能瓶颈分析使用 prof 工具监视热点函数的性能消耗3. 上段实习工作内容? 难点?    背包/仓库/道具 ​重构模块追问​：    在两周内重构1万行代码，如何保证代码质量？是否引入单元测试或自动化验证？    10天完成15天任务，如何协调开发与测试资源？是否牺牲技术债？4. 问了一点网络: 网络通信与实时系统视频会议与代码共享的链路设计追问​：解释从你的设备到面试官屏幕的完整网络路径（如NAT穿透、协议选择）5. 游戏服务器同步机制? 和互联网开发的区别服务器作为权威状态源，定期向客户端广播游戏世界的完整或增量状态（如玩家位置、血量）电商无状态服务可通过REST API+RPC横向扩展，而游戏服务器需维护长连接和会话状态。6. 系统设计 分布式事务与最终一致性​游戏道具交易涉及多个系统（背包、仓库、邮件），如何设计分布式事务？对比电商订单支付+库存扣减。​回答方向​：​Saga模式​：将事务拆分为多个可补偿步骤（如“扣道具-发邮件-记录日志”，失败则回滚）。对比：电商更倾向异步消息队列​（如Kafka）实现最终一致性。7. 游戏服务器宕机后如何快速恢复玩家状态？电商系统如何设计类似容灾机制？定时落DB+游戏整体运行在共享内存, 方便resume7. 游戏后端请求链路分析采用自定义的可靠UDP协议​（KCP），平衡延迟与可靠性. 玩家操作（如移动、技能释放）需携带时间戳和操作序列号，用于服务端验证顺序, 请求直达, 客户端直接和服务器感觉面试内容很不"八股", 答得稀里糊涂的, 上面的顺序不是面试提问顺序, 想起来什么说什么, 大家做个参考