1. 说说Java线程池的参数，分别作用？ 2. Redis缓存穿透、击穿、雪崩的区别及解决方案？ 3. MySQL的事务隔离级别是什么，分别解决了什么问题？ 4. CAS的原理是什么？ABA问题如何解决？ 5. Spring中Bean的完整生命周期是怎样的？ 6. RAG系统中向量数据库的选型依据有哪些？ 7. 什么是JVM类加载的双亲委派模型？ 8. 如何保障高并发下缓存与数据面的状态一致性？ 9. 你的项目中如何设计缓存的过期与更新策略避免脏数据？ 10 分片缓存的一致性哈希实现有哪些优化点？ 11. 如何优化缓存的命中率？ 12. 如何处理高并发场景下的热点数据更新冲突？ 13. 如何...

面试通过了，但是其实待遇没有之前的待遇好 没辙了去看看吧

给点建议吧，找不到实习了😭  

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...