蚂蚁机试

在开发 AI 对话应用（如调用豆包、GPT 等 API）时，我们常面临一个核心问题：AI 本身是无状态的，如何让它记得用户的历史对话，且在高并发下依然保持极速响应？ 一、 核心痛点：为什么 AI 需要“记忆”？ 调用大模型 API 时，模型不会自动记录之前的聊天记录。为了实现“多轮对话”，我们必须在每次发送请求时，把历史消息一并传给 API。这就引出了三个挑战：  性能：频繁的数据库查询会拖慢响应速度。 上下文窗口：模型有 Token 上限，不能无限制地堆积历史。 成本：发送的上下文越多，消耗的 Token 越多，费用越高。  二、 四种演进方案深度解析 1. MySQL 单库方案（起步阶段）...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

题目描述:入职后，导师会请你吃饭，你选择了火锅。火锅里会在不同时间下很多菜。不同食材要煮不同的时间，才能变得刚好合适。你希望吃到最多的刚好合适的菜，但你的手速不够快，用m代表手速，表示每次下手捞菜后至少要过m秒才能再捞(每次只能捞一个)。那么用最合理的策略，最多能吃到多少刚好合适的菜？输入描述: 第一行两个整数n，m，其中n代表往锅里下的菜的个数，m代表手速。 (1<n, m<1000)接下来有n行，每行有两个数x，y代表第x秒下的菜过y秒才能变得刚好合适。(1<x,y<1000)输出描述: 输出一个整数代表用最合理的策略，最多能吃到刚好合适的菜的数量。示例1输入： 2...