打不过就加入

央国企避坑更新下，一是行业和职位需求变化很多，其次有些新的数据和指标需要加入评估体系，最后是有些咨询者的确启发了我，也提供了一些新思路。1、学历和企业分布，学历带就九或二是绝大多数央企总部和二级基准线，卡本的问题是普遍的，也遇到特殊的不看学校排名，看专业排名，美术、法学和小语种类比较普遍，北邮、两财一贸、华电这种是特殊的，事业编/企业编/总部合同基本都看这个。2、硕/博卡本校招社招都存在，除上面有部分职位因为专业有例外，还有一些行业有降级招聘案例，主要分布在衰退行业，省分或者三级公司和小地方央国企/军工子公司和孵化公司，对于学历不达标的更多是采取三方合同的方案，这里要强调下，三方不代表不稳，据说有对人员编制的新文件，对于三方比例过高的可能有影响。3、目前持续更新一些央国企数据，影响职位增减的第一因素还是行业和产业，新增职位分三类，第一种是常规的职能和管理岗位，属于自然新增；第二种是新增或者合并公司（含集团和子公司），雅江、星网、数联物流和资源循环等，频率还行，合并不能完全算新增，还有一类是地方和部分央国企追热/收购/孵化/分立/合规成立的公司，低空、航天、地方实验室、机器人、化工和金融等都有分布，第三种是转型（车企），新凯来系列属于特殊类。还有一个新增职位的方向影响较大，AI和智能化相关的，个人案例中，有4个社招给到了事业编，3个AI相关的，另外一人太优秀了，不多说，总之先进行业+高技术含量+职位踩点才是最稳的。4、年龄分布上，最小的毕业一年的本硕博都有，超过35岁的案例还是极少数，超过40岁的基本就是管理型的，42基本就是极限。5、除30/6主管、35/7经理、40/8处级的临界指标外，薪酬缩水50-30%是常态，上限门槛358，也有破格百万的；避坑点1、分布，能源、军工、航空航天、金融、和地方国企都有案例，尤其最近两年对新成立的央国企子公司的判断有些心得，核心还是判断业务的商业化市场化问题；2、强度，很多想追求wlb，求稳和求躺有分化的趋势，个人建议优先求稳，身体不行的另外说；3、关注点：合同、五险一金、新增/替换、增减员趋势、薪酬过高、业务考核、市场化目标、派系、转型、竞对和历史人员数据等，参考之前笔记（关键词：子公司、二三级和央国企）

集合的分类 单列集合：List（有序重复）、Queue(队列结构)、Set（无序不重复） 键值对集合：HashMap、ConcurrentHashMap 有哪些线程安全的集合 CopyOnWriteArrayList、ConcurrentHashMap、HashTable 说一下CopyOnWriteArrayList CopyOnWrite遵循写时复制原则，读的时候正常读原数组，写的时候创建新数组，在新数组上完成修改，最后把数组引用指向新数组。 说一下你知道的锁 Synchronized：非公平、可重入、不可中断，使用Moniter对象实现，获取所得时候进入Monitor对象，释放锁的时候退...

简单做一下自我介绍。你现在最常做的是前端、后端还是大模型相关？后端用的技术栈是什么？你希望以后从事什么样的工作？选一个比较有代表性的项目，详细介绍：项目背景是干什么的？项目取得了哪些成果？你在项目中有什么做得特别好、有亮点的地方？项目中遇到了什么困难，怎么解决的？项目用线程池对接大模型，具体出现了什么问题？线程数你设的 100，这个值是怎么得出来的？单纯扩大线程池会有什么问题？连接数很多、频繁报连接太多问题，原因是什么？一个请求过来，会请求数据库多少次？系统正式使用后，给业务带来了什么实际收益？召回策略从只用向量改成三路召回，具体提升了哪些指标？系统里存的是什么内容？数据量大概多少？存储用的什...

最近大家都在简历里塞AI和Agent项目，但面试官拷打的重点早就不是你会不会调大模型API了，写篇避坑指南给大家参考。首先，核心拷打点绝对是“业务落地价值”，你做的这个AI功能到底是伪需求还是真提效？比如结合具体业务的自动化诊断，到底比传统规则引擎准多少、快多少？其次是工程架构能力，面试官会死磕你的上下文管理和长记忆怎么设计的，如果是做Agent应用，你的Prompt工程怎么迭代、向量检索召回率怎么优化、并发调度怎么处理的？第三个高频问题是“兜底机制”，大模型经常幻觉，你的系统在面对脏数据流或者复杂边界条件时，有没有降级策略？ 最后就是性能调优，流式输出的延迟怎么降下来的？很多朋友平时习惯了用...