Tiktiok AI后端开发一面 给到夯

全是八股轻松拿下，面完隔一天就说 oc 了（接了之后突然和我说加面，后面过了但是说 hc 无了）1. Go 语言有哪些特点2. 值类型和引用类型有哪些3. slice 和 array 的区别4. map 是否并发安全 / 为什么并发写不安全5. goroutine 和线程的区别6. 栈内存和堆内存的使用场景7. Go 的 GC 机制8. 逃逸分析 (escape analysis)9. context 的作用10. MySQL 常用引擎及区别 / 适用场景11. MySQL 索引类型12. 事务四大特性 ACID13. 事务隔离级别及可能造成的问题14. MySQL 底层日志 binlog / redolog / undolog15. MySQL 主从复制原理16. Redis 常用数据类型及适用场景17. Redis 为什么快18. Redis 数据量过大时为什么会变慢19. Redis 持久化机制20. Redis 分布式锁21. 为什么 Go 推荐 goroutine + channel 但还需要 Redis 分布式锁22. 消息队列中间件使用经验23. IO 多路复用原理24. HTTP 有什么特点25. 多模态内容（用户/商品）的点赞/评论/关注聚合展示 - 表结构设计26. 异步写入的缺点 / 一致性问题27. 职业规划28. 自我评价29. 工作中遇到问题如何解决

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

不知道是不是kpi面，也可能是我答得太差了，全程30min几乎是项目相关问题和场景题项目问题参考性都不高为什么会使用本地缓存加redis两层缓存架构两层缓存架构具体优化了什么你觉得对该优化的效果满意吗，从这里开始就开始追问一系列。场景题 比如如果微信是你设计的会怎么设计这个功能等等redis数据会丢失吗少量八股只问了计网相关的osi网络模型tcp，ip分别是哪一层如果要发1000字节数据，tcp和udp分别要发多少包。这里没答上来 八股就结束了'ai相关平时怎么使用ai让你设计知识库你会从哪些方面优化让你设计AI Agent你会怎么设计反问ai在公司的使用情况ai是否需要深入学习底层无手撕太多场景题没反应过来都没怎么答好，拷打的项目是自己结合ai完成的，很多方面确实没有考虑到。计网和操作系统的八股正好是没有好好背的部分。总体应该是凉了已挂

 项目介绍深挖基础知识进程，线程，协程是什么，区别在哪？如果两个线程同时读写一个资源该怎么做？（加锁）用户输入网址到返回网页的内部过程是怎么样的？TCP和UDP的区别是什么，分别适用于什么样的场景？为什么会出现QUIC协议，它是基于TCP还是UDP，解决什么样的问题？为什么HTTP/3要用QUIC，而不用TCP（想讲HTTP用TCP的问题所在，但是忘了）手撕DAG上的最长路径。（示例都错了，害我看半天，撕一半下意识摁ide补全键结果出问题了不能再写了，然后就算了讲思路，大概就是拓扑排序+DP）