实习记录 day11

🙌面试感想：暂无后续 1.自我介绍+项目2.（项目）GoZero 微服务框架整体情况 项目微服务是按照什么原则拆分的？MySQL 和 MongoDB 水平扩展机制有什么区别？3.项目里 Kafka 主要用来实现什么功能？除了你即时通讯这种典型生产者消费者场景，服务间什么业务场景适合用消息队列？4.为什么选择 Kafka，而不是 RabbitMQ 等其他消息队列？Kafka 吞吐量高的底层机制是什么？5.Go GMP 调度模型6.Docker 在云服务部署场景主要解决什么问题？Docker 保证环境隔离的底层机制是什么？7.你理解什么是 AI Agent？

本人bg双非➕百度实习，经过漫长的两个月在职求职，暑期终上岸字节，在这里感谢节子收留以下是一些timeline：3.5 米哈游一面 凉3.10 字节飞书一面 凉3.17 腾讯teg一面 凉3.17 京东支付一面 凉3.25 字节国际化广告一面 几天后告知过4.7 腾讯数据计算平台一面秒过4.8 字节国际化广告二面 面完秒挂秒捞4.9 美团一面 凉4.9 腾讯数据计算平台二面完到hr面，泡了几天一直没约hr面然后流程结束，这是最难受的一个4.13 字节国际化一面秒过4.15 快手主站一面挂4.17 字节国际化二面面完过一会告知通过4.23 字节正式offer从以上总结早期准备的实在不足，对于八股对于简历上实习内容准备的都不够充分，所以许多倒在了一面，后面面着面着才慢慢进入状态，可能也由于在职面试的原因吧，一边上班一边复习实在痛苦，本来想着找不到就继续赖着百度，其实到最后活也不想干，面试准备的也不充分，也算给自己一个教训吧，最好时时刻刻准备好面试的状态，八股算法不能停，祝🐮友暑期也一切顺利！

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...