面试很难，还是要多多练习1. 项目拷打2. 预减库存时如何保证 Redis 和 MySQL 的数据一致性？3. ShardingJDBC 底层是怎么实现分库分表的？在什么情况下需要做分库分表，拆表后关联查询的效率如何保证？4. 订单分页怎么做？涉及多张表联查时如何处理？5. Spring Event 的原理是什么？如何实现异步监听机制？八股6. Redis 的 RDB 和 AOF 两种持久化机制有什么区别？AOF 里记录的是什么内容？7. MySQL B+ 树底层存储结构是什么样的？聚簇索引和二级索引有什么区别？8. ConcurrentHashMap 底层原理是什么？为什么既用 CAS 又用 synchronized？9. Java 线程有哪些生命周期状态？对应 Thread 类里如何流转？10. 线程池底层实现原理大概是什么？11. 如何设计一个压测方案，对比加缓存和不加缓存的性能差异？算法题12. 有序链表中删除所有重复节点，时间复杂度 O(n)，空间复杂度 O(1)，设置虚拟头节点的好处是什么？

时间：4.21公司地点：北京时长：52min做了一些简化，提取了更有借鉴价值的部分1. 部门介绍2. 自我介绍3. 这两个项目你觉得哪个项目复杂度高一些，可以多聊一会4. 你这个项目主要是想解决什么样的问题呢5. 你刚才说这些方法的话，应该说也是社区内或者说比较常见的一些处理方式了，对吧？我都或多或少都能get到，但是我有一个问题，就是**你做这件事情之前，就是每一个技术的应用之前，你有没有去验证这个技术确实提升了准确率呢**6. 我们的这些处理方式是否真正的真的提升了它的准确率。就是我们只是堆砌技术，还是说我们确确实实是提升了这件事情？7. 你这一知识库当时怎么选的？你做的知识库是什么类型的知识库？8. 那你这知识库里面涉及了哪些方面的内容？比如说文学类的，还是什么科技类的？是什么航天类的等等？有没有就说具体一些？9. 那你这个博客内容写的多吗？10. 那如果14篇文章的话，而且你这14篇文章看起来所涉及的范围是比较发散的，那么在这种情况下，其实这个rag的检索本身就不容易出现，刚才说的那个检索有问题的情况，这可能本身就不是个问题。11. 在我们去真正去做一件事情这的处理的时候，其实我们还是应该先去有一个度量的标准，不然我们优化可能是负优化，我们都不知道对吧？就是说我现在要做 rag 检索。我要去先做一个度量的方式，然后去验证它的准确率，你应该怎么做？12. 你怎么判断问题回答是准确的13.那么我怎么看到线上的这些回答的准确率呢？14. 有必要搞多级缓存吗15. 好，那首先就多级缓存来说，你觉得，它有什么弊端，还有它有什么优势？这个讲一下。16. 我有一个问题，首先其实我们一般认为 redis 它的那个吞吐是非常高的，而且如果说我们比如说数量很大，Redis 它也是支持那个多节点对吧，比如说…… 不管是哪种方案吧，Redis 也可以支持多节点的这种部署，所以在这种情况下的话，我们认为 redis 从网络压力这一块是没有太大问题的。那么在你看来，有了 redis 的话，我们还要去引入本地缓存的主要目的是什么？因为刚才你说的只是为了减少网络开销。 但是现在我们实际的生产环境中 redis 的是网络开销 其实是没什么太大的问题的。你应该明白我的意思，就是 redis 网络开销不是它的核心问题，就是我为什么非要引入本地缓存17. 我看后面你还自己写过两个 SKILL 对不对？能具体展展开一个就是你可能平时，有没有平时用的比较多的，我想知道不是那种为了写而写的那种，就真正能解释你生活中问题的那种 SKILL18. 你最近面试多吗？19. 那八九场的话，就是你觉得你做的自己就是面试，就是相当于面试自己的这种 Skill 和你真正去面试中拿到的面试题，它相似度高吗？>我是我当时了解到，主要是主要是因为网络开销的问题，进一步提升响应速度20. 说实话 redis 并不存在很大量的网络开销问题  对不对？21. 我看后面你还自己写过两个 SKILL 对不对？能具体展展开一个就是你可能平时，有没有平时用的比较多的，我想知道不是那种为了写而写的那种，就真正能解释你生活中问题的那种 SKILL22. 你最近面试多吗？23. 那八九场的话，就是你觉得你做的自己就是面试，就是相当于面试自己的这种Skill和你真正去面试中拿到的面试题，它相似度高吗24. OK, 那你觉得你这个 SKILL 有没有帮你解决到一些实际面试中的问题，有没有确实命中的一些面试中的一些真正的面试题25. 对你来说，现在比如经验完经历完这场面试之后，你觉得你的 SKILL 应该如何提升呢？26. 你理解什么叫 CAS？27. 那它和悲观锁有什么不同？那首先第一个问题就是纯靠CAS就能解释就能实现这个乐观锁吗？28. 解释一下volatile的这个关键字的目的和作用29. 既然我们提到了CAS操作就一定能保证。并发更新的安全性了。那么我们为什么还要用 volatile 去修饰这个变量呢？这不多此一举吗？30. 好，那继续问 CAS 里面会有什么问题？就它会有什么其他的什么问题呢？31. 你了解 CAS 的 ABA 问题吗？32. 讲一下怎么解决就可以了33. 那现在回到这儿来说就是有乐观锁和悲观锁两种锁，对不对。那么，我什么时候要选择乐观锁？什么时候要选择悲观锁？你看，我们知道 JDK 里面 synchronized 的关键字是悲观锁，对吧？而 ReentrantLock 是个就是这种我们一般认为是 CAS+volatile 这种乐观锁的方式那么这两种方式的话，你觉得我们在应用中。什么情况下会采用乐观锁？什么时候要采用悲观锁？34. 为什么?35. 这个我知道好，那现在问一个问题 就是说，既然高并发情况下用悲观锁就很好，那我无脑用悲观锁不就完了吗？就是既然说。乐观锁有就是说并发高了，它就不行，自选浪费 CPU，对吧？那我无脑用悲观锁，不就 OK 了吗？不挺好的吗？36.那还有一个问题，就是我们刚才说的这些并发的处理的方式。都是基于一个理念叫共享内存，对吧，相当于都是无论是悲观锁还是乐观锁，我们都相当于是要在对象上加锁，然后限制一些线程的进入和退出，对不对。 那么有没有别的方式照样可以实现并发更新的？并发更新的这样的一个方式，就除了共享内存方式，还有没有别的。比如说或者说我这么说吧，就全世界上处理同一个数据的多线程更新的这个问题，只有乐观锁和悲观锁两种方式吗？是非阻塞不能处理吗？因为不管是哪个锁，其实都会进入到一个阻塞的状态，对吧？必须是通过阻塞的方式才能搞实现多线程对同一变量的更新吗？37. 手撕环节：[电话号码的字母组合](*******************************************************************)48. 反问环节

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...

✋️客户端开发一面- 自我介绍- 介绍agent项目的工作流，有没有用到节点- 这个产品在手机上的业务编排是怎么样的（没有设计app，仅pc端，汗-_-||）- MCP是什么- 项目里的skill.md有哪些，是怎么设计的- 混合检索是怎么做的，和rag检索的区别- 怎么减少上下文过长的问题- 讲一下多线程，多线程复用- 连接池/线程池怎么做的- 怎么维护线程安全，知道的锁有哪些- tcp和udp区别- 怎么优化tcp面向连接带来的问题- 手撕：合并两个有序链表- 问是否在校- 反问✋️客户端开发二面- 自我介绍- 用的什么模型，有什么好处- 场景怎么想的，有落地吗- 整体的工作流是什么，详细讲讲，怎么从0到1搭建的- 上下文幻觉有遇到吗，怎么解决- 上下文压缩怎么做的，是对全部内容压缩吗- 大模型怎么匹配到skill的- skill怎么写，有遇到没有匹配上的问题吗，那怎么写好/检索更精准- 平常从哪里了解大模型相关讯息- 上下文包含哪些内容- 长期记忆有没有检索到的情况吗，怎么解决？面试官解释了claude是怎么解决的- 意识识别/查询优化怎么做的- 知识库混合检索怎么做的- 课题组方向是什么，具体讲讲，自己的论文方向是什么- 对于今后的职业规划，问了下简历上的求职意向- 手撕：k个链表合并，5分钟用大模型完成，解释提示词怎么写的，还能怎么优化- 反问总结：主ai、一点多线程/网络问题都不难，主要是偏ai应用的，所以问ai方面的比较多，对于使用ai的能力很看重。c++八股拷打较少。

面试时间：4.21早上10.40 时长45min面试官很友善，但是和昨晚的快手一样，公式八股，公式ai，公式项目，公式手撕，不过挺简单的1. 自我介绍2. Vue2 和 Vue3 有什么区别3. Proxy 相比 defineProperty 有哪些优势4. Vue 的计算属性和普通属性有什么区别5. 计算属性在你的项目里有哪些使用场景6. Vue 组件里的 data 为什么要写成函数返回对象7. v-model 本质上是什么语法糖8. v-for 里为什么要绑定 key9. 为什么一般不推荐用 index 作为 key10. 你的项目里做了哪些性能优化11. AI 对话项目里有用到 Agent 相关的东西吗12. 你觉得 AI 对前端开发有什么影响13. 你怎么理解 Prompt、Skills、MCP 和 RAG14. 你做项目过程中遇到最难的点是什么，怎么解决的15. 讲一下你自己实现虚拟列表的思路16. 讲一下你实现的 JWT 双 Token 登录机制17. 为什么会存在跨域18. JSONP 这种跨域方式你了解吗19. 强缓存和协商缓存有什么区别20. 讲一下事件冒泡和事件捕获21. 你了解事件委托吗，为什么列表场景会用事件委托22. 用 flex 实现左侧自适应、右侧固定宽度布局怎么做23. BFC 是什么，有什么作用24. 手撕：柯里化25. 你怎么看 AI 会代替程序员这个说法26. 反问

前面基本上都在问论文 无手撕1. 自我介绍2. 介绍下简历上这个项目3. 你对对话 LLM 的理解是什么？它和普通文本生成模型的核心区别是什么？答案：对话 LLM 不是简单地做 next token prediction，它要在多轮交互里持续维护用户意图、对话状态、约束条件和安全边界。普通生成模型更关注单次输入到输出的流畅性，对话模型还要考虑上下文一致性、角色一致性、拒答策略、澄清提问以及工具调用。它的核心难点在于“历史信息并不等价于有效状态”。用户前面说过的内容，有的仍然有效，有的已经被修正，有的是噪声。对话 LLM 必须学会根据当前轮次重新解释历史，而不是把所有历史机械拼接进去。工程上通常...

整体一个小时，大半个小时在提问项目1.  项目拷打1. 用的是什么 loss？2. 你模型的 label 是什么？为什么这么设计？3. 做了什么优化？为什么做这些优化？2.  AUC 衡量的是什么能力？3. 这个大小的离线AUC增长最后是如何体现在线上指标上？4. 除了 AUC 还看了什么指标？（答 GAUC）相对 AUC 这个指标的好处是什么？5. 对生成式推荐的看法？6. 生成式推荐相对于传统推荐，解决了什么问题？7. 手撕：二叉树的前序遍历（需要自己建树）

面试时间：4.20晚上7点 时长35min面试官很友善，也很年轻，给我很强烈的一种公式的味道，从八股到项目到ai到手撕，特别强烈的公式感1. 自我介绍2. 讲一下浅拷贝和深拷贝的区别。3. Vue3 相比 Vue2 有哪些优点和升级？4. 你怎么理解 Vue3 里的 Hooks / 组合式逻辑？5. 你有没有自己封装过 hooks？适合在什么场景下封装？6. 讲一下 Vue 里的虚拟 DOM，它主要解决什么问题？7. 从输入 URL 到页面最终渲染出来，中间发生了什么？8. 多人协作开发时，Git 分支一般怎么管理？9. 如果你往公共分支提交了一段有 bug 的代码，怎么安全撤回？10. 你有了解或使用过 React 吗？11. 介绍一下你的 AI 对话平台项目，项目规模、页面结构和你负责的部分分别是什么？12. 你项目里用了 SSE，如果里面混合了文本、图片、视频，你会怎么处理？13. 你项目里的本地持久化机制是怎么做的？为什么用 Pinia 和 LocalStorage？14. 如果会话数据不断增长，LocalStorage 超出容量上限了怎么办？15. 如果把 SSE 改成 WebSocket，能力上能不能完全对齐？有哪些差异？16. 介绍一下你的通用后台管理系统项目，这个项目的难点是什么？17. 你们上传的文件一般是什么类型？18. 分片上传的分片策略是怎么设计的？为什么用这个阈值？19. 分片是越多越好还是越少越好？怎么权衡？20. 讲一下断点续传的完整实现流程。21. 秒传是怎么做的？核心判断依据是什么？22. 你做的前端性能优化有没有量化效果？怎么测出来的？23. 你平时学习前端主要通过哪些渠道？24. 你最近有了解哪些前端相关的 AI 工具？25. 你怎么理解 Skills？26. 手撕：LC20. 有效的括号27. 反问

1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...

根本就没啥。八股文 就是问我的这个项目，然后问了下，比如说我这个mcp项目的稳定性的保障，然后具体是怎么用的，然后为什么没有什么监控啊日志消息，让我做这个巡检策略的成功性判断。然后有没有遇到过那种即使你传入正确的参数，然后最后响应失败的场景，然后我这个测试提效的时间是咋算的？还有就是AI修复，视觉修复是咋修复的，还有就是我这个项目的背景是啥，然后问了问我的体育专业为啥选择体育专业，问了问我当时为啥没留京东连手撕代码都没有，就是瞎聊天社招确实没必要发相关的一些。面经帖子了，根本就没啥参考性，每个人问的问题都不一样

自我介绍，实习介绍mysql题 聚合函数，group by having手撕有效的括号怎么测skills查询功能的问题排查ai相关随便聊聊反问。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.请说一说你做过的比较有难度、有深度的事情。2.实习拷打3.你是如何精简 token 的4.你在使用 AI 工具时发现了哪些局限性？5.你是如何控制 AI 的输出，使其整体结果符合预期的？6.如果跳过项目中的规范约束（如自有 Agent 的上下文文档），对工程会有什么影响？7.你有没有使用过工程中的已有 Skill？它们的作用是什么？8.如果脱离公司的 Skill，你知道如何用 AI 去做工程开发吗？9.你有没有接触过 AI 开发的理论、方法论之类的东西？10.平常开发中你用哪些 AI 辅助工具？它们分别解决什么问题？11.你有没有看过社区或内部的 Skill 是做什么的，或者了解过它相关的内容？12.你有没有使用过 OpenClaw？13.你知道如何用 AI 去做出一些东西吗？14.AI 生成代码后，你会做哪些检查来保证代码的可靠性？15.每次生成 BFF 层的需求时，你会同步生成测试代码吗？16.工程底层会有 Skill 来做代码可靠性保障吗？17.如果让你从零开始做一个 AI 生成网页的前后端项目，你会怎么驱动 AI 去做？18.从接到项目到上线，你会做些什么事情？19.算法：第一题：promise、第二题：闭包

复盘上周的快手一面，答得很烂，继续沉淀吧唉项目相关：1. 项目中SSE推流是如何实现的（请求配置、如何中断请求、是否了解 EventSource、Async Generator 等封装方式，面试官抠得很细...）2. 项目乐观更新如何实现（是否了解staleTime、gcTime 配置）3. BlurHash 图片占位实现（具体如何实现，canvas组件如何使用hash摘要？）八股相关：1. 宏任务 / 微任务 / 执行顺序（考了一道判断输出顺序）2. Promise 高级 API3. React Hooks（useEffect与useLayoutEffect区别）4. 数组下标为什么不能作为key5. 手撕 EventEmitter 发布订阅（怪我JS基础太烂...）

本周面试了快手社招技术终面，是个40多岁的女人，居然还是2个部门的最高领导，感觉是技术里面的高层，问的技术难题不多，主要是场景题，大概面了40分钟1 面试官先自我介绍一下部门干的活，以及后续对于新人来了之后主要是要干啥，以及她对新人的一些要求2 自我进行介绍，说一下你这边做的一些事情以及技术亮点3 你说一下对于技术开发需要遵循哪些规范，你感觉作为技术人对于数据如何可以体现你的价值，以及你感觉技术如何给业务进行业务提升4 对于一个湖仓架构，技术选型你优先会选择哪个，为啥会选择这个技术，这个对于别的优势体现在哪5 如果要你来做一个实时数仓，你感觉对于实时数据精确一致性需要如何设计，对于技术如何体现难度6 你做过财务数据和流量数据，你感觉这2方面的数据是有啥区别，对于技术来说如何选型，对于数据的指标哪些区别7 你认为对于行为数据埋点可以怎么设计，对于埋点会出现啥问题，你平时对于埋点实时接入会有啥问题，对于数据来说如果埋点设计的不好有啥风险8 你这边有啥需要找我理解的我感觉这个领导似乎对于技术不怎么面了，感觉是在问一些对于数据开发的思考和总体技术和风险评估，感觉像是在招一个职级比较高的人，面了大概40分钟，不知道能不能过，但我感觉有戏，过了再来更新

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目大概分成了哪几个领域或模块？2.你大概知道几种微服务架构？或者说设计理念（DDD）？3.讲一下你项目里的双拦截器机制，具体指的是什么？4.校验登录状态是怎么实现的？5.项目中有用到 AOP 吗？6.雪花算法为什么需要进行改进？你具体改了什么？7.假如 Redis 里面没有数据，你会去查数据库（DB）吗？如何保证 Redis 和 DB 的一致性？8.写到 Redis 里的订单信息会设置过期时间吗？9.你提到引入了本地缓存、Redis 和数据库，这三者之间的一致性怎么保证？10.为什么不可以全用 RocketMQ？一定要引入 Kafka 吗？11.你的本地缓存如何实现的？12.你知道 Kafka 和 RocketMQ 的主要区别吗？

上来先写算法，让写个快排，磨蹭半天没写出来，问能不能写归并，结果归并半天也没写出来。然后让写个单例模式，也没写出来，到这里已经开始跟面试官对着尬笑了，到现在也没结果，应该是挂了讲一下 ConcurrentHashMap ？讲一下 ThreadLocal ？MyBatis 中 Mapper 接口为什么不需要实现类就可以直接调用？ （动态代理）秒杀场景中如何解决超卖问题？秒杀场景中如何解决少卖问题？如果 Redis 中库存数据丢失了该如何处理？介绍一下 RAG 的整体流程除了向量召回，还有哪些文档召回方式？当用户问题与文档语义相近但无法召回时如何优化？（对用户问题进行改写）MySQL 中常见的索引...

攒人品中，祝大家都能拿到满意的Offer！1. 在做 AI Agent 这个项目时，你是手写代码，还是用 AI/Web Coding 方式做的？2. 灵魂拷问：在 AI Coding 越来越强大的今天，你认为作为一个刚毕业的研发同学，你未来的核心价值是什么？如果要在项目中承担责任，你具体要做什么？3. 针对你自己练手的 agent项目，你当初是怎么搭框架、做迭代的？心路历程是怎样的？agent项目深挖1. 你的召回率打分优化（向量 + BM25 + Rerank），有参考成熟的原型工具吗，还是自己想的逻辑？2. 引入 Rerank 后召回率达到了 95%，那你分析过剩下的 5% 没召回会是什么原因吗？3. 除了库的建设和分片，RAG 模块还有什么其他优化吗？4. 请求全链路剖析：一次会话请求，从用户发出一句话，到最终模型返回，中间经历了什么样的过程？涉及到哪些类的调用和流转信息？5. 你是怎么理解 ReAct 模式的？它跟普通的大模型聊天有什么本质区别？6. 工程落地推演（天气 Agent 场景）：如果让你基于 ReAct 架构构建一个“天气问答智能体”，你需要开发哪些类和功能模块？

1. 自我介绍2. 介绍下你简历上这个项目3. 聊聊记忆系统模块设计，你会怎么拆记忆系统至少要拆成写入、索引、检索、融合和淘汰五层。写入层不是把所有对话都存下来，而是先判断值不值得记；索引层要同时支持按用户、会话、任务、实体和时间切片检索；检索层通常要把结构化过滤和语义召回结合起来；融合层负责把召回结果转成当前 prompt 可消费的上下文；淘汰层解决过期、冲突和污染。好的记忆系统不是“记得多”，而是“能在正确时刻拿回正确事实”。4. 记忆检索到底应该用 user_id、session_id，还是别的主键不能只用一个主键。session_id 更适合短期上下文恢复，能还原当前任务过程；user...

上一段实习刚结束三天面了快手olap引擎开发和美团大模型应用开发的日常实习快手这边主要聊ai怎么帮助你，还有怎么使用ai帮助开发，可能上段实习不对口不怎么聊具体内容，主要聊聊实习中怎么用ai做事。之后着重聊了聊cpp项目以及项目的功能如何扩展还有一些场景啥的。手撕一道dag遍历，好久没刷算法怎么都想不起来就让换了一道，换了一道不是hot100的，应该算中简单题，慌了实在不会写，果不其然挂了。可惜了，感觉前面聊的挺好的😡😡😡美团这边对上段实习挺感兴趣的，着重聊了聊实习中做了啥，感觉面试官了解到了我做的所有东西和细节。场景是设计agent啥的，还聊了聊skills、mcp之类的最后主要聊了聊cpp项目还有功能拓展，算法hot100，调了调拿下了。很舒服的一次面试，感觉面试官把我简历上展示的和我会的全部问完了🥲原本规划是辞掉实习学学数据库or存储之类的再转llm，也没想着能过了，没想到美团过两天直接oc了，有点惊讶，直接开转llm吧！😋timeline：4.8投递秒约4.13一面4.15oc下个月入职，gap一个月吧，不知道具体会做啥，希望能摸到预训练吧