1、实时生成的聊天代理模型，如果线上出问题了，怎么定位这种问题一般先按链路拆。如果是实时生成类聊天代理，通常一条请求会经过网关、会话层、Prompt 拼装、模型推理、工具调用、结果后处理和流式返回几个阶段。线上出问题时，先判断是全量故障还是部分故障，是所有请求都失败，还是只有某一类请求延迟高、返回空、内容异常。定位时先看监控和日志。监控上看 QPS、平均延迟、P95/P99、错误率、超时率、GPU 利用率、显存占用、容器重启次数。日志上重点看 request_id，把一次请求链路串起来，看是卡在 Prompt 构造、模型推理、下游工具调用，还是 SSE/流式返回阶段。如果是模型输出异常，要回看...

敢问哪家大厂能在工位这件事上打过百度？L 型大工位真的太犯规了东西随便铺开、灵感随时落地这种自由感，谁能不心动啊🥹不服来战💪

简历如下，求拷打😭还能有机会去中大厂实习吗，想找到暑期实习

1、介绍一下你最近做的一个有挑战性的项目我最近负责的是一个汽车配件供应链系统的重构项目，这个系统日均订单量在30万左右，面临的主要挑战有三个方面。性能问题，原系统在高峰期响应时间经常超过3秒，用户体验很差。我通过引入Redis多级缓存、优化数据库索引、改造慢查询，将P99响应时间降到了200ms以内。具体做法是对热点商品数据做了本地缓存+Redis缓存的二级缓存，对库存查询做了批量查询优化，还把一些复杂的关联查询改成了分步查询在应用层组装。数据一致性问题，涉及到订单、库存、物流多个系统的数据同步。我引入了RocketMQ的事务消息机制，保证了分布式事务的最终一致性。同时设计了补偿机制和对账任务...