同花顺LLM算法一面

官网投的三个都简历挂, 有28届UU进面过吗

从我和身边朋友了解的情况来看，可以明确的是：纯背概念的“八股”时代已过去。​ 但“八股”以另一种形式存在，分为 “考古派”​ 和 “应用派”。“考古派”公司： 特征：传统金融、通信、硬件公司，及部分转型慢的互联网中厂。 问法：“TCP和UDP的区别是什么？”“说一下虚拟内存机制。” 基本是教科书原题。 底层逻辑：考察知识体系完整性和你的基础扎实程度，认为这是潜力的体现。对这些公司，快速过一遍经典“八股”仍必要。 “应用派”公司（主流）： 特征：一线互联网、AI原生公司、技术驱动的外企。 问法：“我们的产品在高并发下出现了XX问题，你觉得可能和TCP的哪些机制有关？”“为了优化我们KV存储的性能...

努力拥抱AI中…1.项目拷打2.如果你要控制多个 agent，不论是 cursor、codex 还是别的工具，同时开多个的时候，你觉得会有什么问题存在？3.如果同时开 10 个、20 个，甚至更多 agent，你觉得会有什么问题？4.怎么管理它们？5.当 agent 做任务时，它不一定一次就做完，可能需要你反馈、确认、纠正。如果有十几个 agent，你怎么分配跟它们互动？6.如果要支撑这种场景，技术上应该实现哪些能力？7.你刚刚定义了 waiting、running、done 这些状态，那你觉得怎么去捕获一个 agent 的状态？8.现在像 codex 这种是独立程序，如果它没有 API，你怎么实现对它状态的获取？9.除了 hook，除了 skill 里做打点，还有什么其他方法吗？10.你有没有用过 skill 里面跑脚本这类能力？11.如果检测到 agent 一直没响应，或者卡住了，你会怎么处理？12.那是不是以后人只要对着调度器就好了？只需要做这套编排和管理？13.除了测试、复盘、对外解释结果之外，你觉得以后程序员还应该重点发力在哪些领域？怎么避免和 AI、和偏商务的人直接同质化竞争？14.你觉得有什么方法论，可以让大模型从一个非常庞大的上下文里，很精确地找到它真正需要的数据？15.你刚刚提到 RAG，这种方法在代码库场景里怎么落地？代码是怎么被切成片、变成可检索内容的？16.如果 RAG 找错了怎么办？17.Cursor、Claude Code、Codex 这类工具，面对几百万行代码、窗口又装不下的情况，这个问题怎么办？18.那你知道这些工具大概是怎么实现的吗？19.从原理上看，一种做法是先把用户提示词丢给模型，让模型决策后再搜索代码；另一种做法是先本地检索，再把结果给模型。各自有什么优缺点？

我的是"熟练掌握Redis，有高并发项目经验"。实际情况是：我在一个日活200的内部系统里用过Redis缓存了几个接口，并发峰值大概是……同时在线的三个测试同学。但就是这句话，被面试官揪住问了二十分钟。缓存穿透怎么解决、持久化方案选哪个、数据倾斜怎么处理……我当时脸上镇定，脚趾头在鞋里抠出了三室一厅。最后面试官说了句"你对Redis的理解还有些浅"，我点头称是，心里想的是：浅？我他妈根本没下水。后来我花了两周把Redis真的学了一遍。再被问到同样的问题，答得还不错。所以简历上写了什么不重要，重要的是写完之后有没有真的去补。心虚可以，但别一直虚着。