rt，滴滴offer快结束，高德才一面完，下周才可能二面，应该直接去滴滴吗，价格引擎是不是边缘业务，学不到东西啊，滴滴title是不是比高德差点？

1. 介绍一下你做过的最有挑战性的项目，重点说说系统设计和性能优化。答案要点：项目背景：业务规模、技术挑战、为什么有挑战性系统架构： 整体架构图：模块划分、数据流技术选型：为什么选择这些技术设计模式：使用了哪些设计模式，解决什么问题性能优化： 瓶颈分析：如何定位性能瓶颈优化方案：具体的优化手段和效果量化指标：QPS、延迟、资源占用的改善技术难点： 并发控制、数据一致性、容错处理如何权衡性能、可靠性、可维护性个人成长：技术深度、架构思维、问题解决能力2. 如何设计一个分布式限流系统？需要考虑哪些问题？答案：限流算法：固定窗口：简单但有突刺问题滑动窗口：更平滑，但内存占用大漏桶（Leaky Buc...

岗位职责 在这里，你的日常工作画面不再是接需求、写 CRUD 接口。你将直接面对真实的商业场景，用 AI 作为核心计算引擎，通过严谨的工程手段，让大模型在真实业务环境中稳定落地。你将获得一种全新的能力：跨越技术栈的边界，直接用智能技术为数亿消费者和千万商家创造看得见、摸得着的商业价值。我们是建设核心电商系统技术底座的团队，直接支撑淘宝天猫的商业运转效率。我们致力于通过智能的新方法不断优化消费者体验，并对商家的经营效率负责。我们追求智能技术的上限，将前沿的 AI 知识和澎湃的算力，转化为实实在在的生产力。我们期望成为世界一流的 AI 研究和应用团队，让科技进步真正造福万家灯火。你将有机会主导从问题发现到智能规模化的完整闭环：● 定义问题：从复杂业务中抽象核心模型● 归因与建模：深入业务一线，通过数据挖掘和特征分析，完成现象归因。弄清楚“真正有价值的问题是什么”，并明确解决目标。● 架构设计：针对定义好的业务问题进行数学与逻辑建模，从零设计高度灵活的 AI 原生架构（AI-Native Architecture）。● 收敛问题：将 AI 的“不确定性”转化为工程的“确定性”● 环境构建：搭建能够让 AI 与现有系统、数据进行交互的运行环境。● 工程迭代：面对大模型带来的“无数种可能性”，你需要通过严谨的工程手段——包括调试、旁路测试、回测、自动化评测与仿真模拟，不断打磨和迭代 AI 解决问题的路径，将发散的可能性收敛为“几个最优、可落地的选项”。● 内化能力：实现智能的规模化复制● 经验沉淀：通过复盘与反思，提取成功解决问题的业务路径和技术经验。● 系统演进：将这些成功经验，以训练、系统架构优化、上下文工程等形式，深度内化为稳定、可复用的模型能力与系统底座，实现智能的规模化应用。岗位要求对人工智能、计算机科学、大模型或数学有较深的认知和理解。工程实践：具备优秀的代码能力，至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验。算法基础：在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础。【核心素质】学习能力：具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。开放性与动手能力：拒绝纸上谈兵。有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。好奇心与想象力：面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。审美追求：技术亦有审美。我们看重你是否能提出打动人心、简洁优雅的好想法。高能动性：具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。

1、自我介绍介绍了一下我自己啥情况，之前在哪个公司实习过，主要参与 C++ 后端相关开发工作。 实习期间我做过消息处理/服务端模块开发，参与了功能迭代、问题排查和一部分性能优化工作。 技术栈方面，我主要掌握 C/C++，熟悉 STL、Linux 开发环境、网络编程（TCP/IP）、多线程与并发编程，了解常用的数据结构与算法，也用过 MySQL、Redis 这类常见组件。 整体上我偏工程实践，比较关注代码质量、稳定性和性能，想在 C++ 后端方向继续深入。2、单例模式和工厂模式的作用单例模式：保证一个类全局只有一个实例，适合日志、配置中心、线程池这种“全局只要一个”的对象。 工厂模式：把对象创建...