作业帮后端一面

1，首先自我介绍，问我为什么选go（我想着反正后端，写什么语言不重要）我了解过过他们的公司业务，主要做ai的，因为我原本也不是写后端的，就回答说go主流去做ai相关的后端应用。面试官就说，python不是更适合做ai吗？比如机器学习，深度学习？但我知道python有人工智能相关库，这问题就这样过了---2，之后面试直接上算法，让我用我最熟悉的语言写，我想着我都投递go了，我就直接用go写，一道比较简单的有序数组合并，刚好会（写完后，面试官问我时间复杂度是多少，我说m+n，他一脸疑惑，我说了几遍，他好像听不太懂，怀疑跟他那边嘈杂的环境有关），之后问我用了多少测试cases，不是，哥们，你不是看得到我屏幕吗？这是人能问出来的问题，我甚至怀疑要开始怀疑面试官是不是连时间复杂度都不会算了---3，问了mysql，写语句，10e的数据，字段有id，name，create-time....其中id为自增主键，在不建立索引的情况下，查询最近一周的量，写了一下，面试官不太满意，说没用到索引....（重点是，我一面也出了这道题，我就这么写的）---4，之后就直接反问环节，问下面试官对于刚刚的10e数据量那道题有什么想法，怎么处理才是正确的，开始巴拉巴拉，他周围太吵，没怎么听清，只听到二分这个词。之后问对这场面试的感受。面试官拒绝说这个，开始说教模式，说什么别问面试官这种问题，之后就不问say goodbay了---写在后头，二面的体验是很差的，感觉就是面试官仗着自己年龄大，经验丰富？秃顶？一种老人说教的感觉。无论说什么都是反驳你，而不是一起探讨的态度感想：希望公司对面试官人选重视点，普通话有浓厚的地方口音，很多时候都听不清，环境也不选安静一点的，高高在上的姿态让人十分不爽

一、RAG链（Retrieval-Augmented Generation Chain）是什么？RAG链是检索增强生成（RAG）系统的核心流程，指将“检索”与“生成”串联成完整链路，让大语言模型（LLM）在回答问题时，先从外部知识库中检索相关信息，再结合检索结果生成回答。核心逻辑：用户提问 → 检索相关知识 → LLM基于知识生成回答，避免LLM“胡编乱造”（幻觉问题），同时让模型能处理最新、专属领域的信息。与传统RAG的区别：“链”强调各组件的协同与流程自动化，比如通过工具（如LangChain）将分块、向量化、检索、LLM调用等步骤串联成闭环。二、LangChain是什么？LangChai...

20min(6.5)1.自我介绍，后续是想继续读书还是就业2.倾向于北方工作还是南方3.硕士专业是什么方向，需要发表论文吗，跟着导师做什么事情4.项目是你一个人做的还是有很多人，有没有和其他人合作过一些项目，项目写了多久，上线了吗，阿里云这些产品了解过吗5.订餐系统是web还是小程序，用户在小程序下单，商家怎么实时感知到的？6.这个点餐系统里有什么技术难点和挑战吗？7.redis和数据库一致性问题怎么解决的8.遇到慢sql怎么处理9.jdk用的什么版本，17用过吗，和1.8什么区别10.springboot用的什么版本，为什么选211.点餐和点评你觉得哪个比较复杂，订餐系统有几张表，为什么11张表，怎么做建模的12.mybatis和mybatis-plus有什么区别吗？13.悲观锁和乐观锁什么区别14.展开讲讲穿透雪崩击穿15.TCP三次握手和四次挥手讲一下16.os里线程和协程的区别17.平时遇到网络问题有没有什么排查思路18.gpt等大模型用过吗，本地部署过gpt吗19.有在看什么书吗20.反问，无手撕6.4一面6.5二面6.7二面挂

背景发现还是有很多牛油对市面上的AI工程师抱有很大的幻想，作为一个年初刚从大数据夹娃工程师转成AI工程师的老兵油子，我很有必要狠狠的戳破这些幻想。今年年初刚过完年回来，公司宣布组织内部架构调整，成立AI中台，全面拥抱大模型，第一步先内部招聘转岗，楼主脑子一热就从数据中台转岗到了AI中台。当时满脑子都是微调、训练、数据集、验证集等等等高大上的名词，进来之后无非是换个地方增删改查而已。模型底座所谓AI中台就是封装各种大模型能力，向其它部门提供公共服务，比如说AI网关、agent管理平台、工作流平台等等，涉及到模型微调，数据集训练的基本不会让半路出家的做。如果想要自行学习了解微调可以通过llama-...