小米面经

一个多月前投，突然打电话约面。1.自我介绍。2.Java异常，平时怎么排查，平时在什么情况会去抛出异常之类的。3.用过哪些数据库。4.sql事务介绍一下，平时用的情况，你说事务注解，那你讲一下事务注解失效情况吧。5.简单讲一下Redis，什么基本数据结构，持久化机制，数据一致性之类的。6.线程池核心参数，场景:2核心5总数，3个耗时长的任务➕无界队列，讲他任务执行流程。7.项目随便问了一点，很浅。8.你用的大多是开源组件，如果接触公司，对封装好的组件，怎么看法，排斥呢。9.如果开发，遇到问题，怎么办。10，开发出现，可能会因为某个模块导致在1个月能不能完成所有的，怎么办。11.未来个人发展。中间应该忘了点东西，后面答不上来，拉扯了好久，面试官一直在引导我，中间八股也有点问了面试官，应该只有一场面试，感觉寄了 。

快手数据研发一面（40min➕，比较简单，面试官和善） 1.深挖项目，项目架构选型，不同数据为什么存储在不同位置等之类的问题 2.MR工作流程 3.Hive和Spark的区别 4.细挖简历，比如说说简历中复杂SQL的难点在哪里，如何解决 5.认识什么告警类型，都如何处理 6.数据倾斜如何定位，如何解决 7.数仓分层以及分层作用 8.DWS层和DWM层的区别 9.spark的driver,task,job,stage之间的联系 场景题，对直播中的金额数据如何进行数据质量的一个检测 手撕算法:最大子数组和 SQL:最大连续问题 二面（50min➕，主要难在项目拷打，八股很简单） 1.深挖项目非常细...

[后端/AI工程实习生] - [CEO面]（oc已拒）面试问题速览1. 请简单介绍一下自己。2. 你是从什么时候开始接触编程的？第一个项目是什么时候做的？3. 看你简历上提到了Go语言，可以讲讲它的优劣吗？4. 你提到用Python做过模型微调，可以具体讲讲吗？（基于什么模型、用了多少数据等）5. （深挖RAG项目）可以详细介绍一下你在智慧农业项目中RAG问答引擎的实现方案吗？为什么选择将PDF转为Markdown再处理，而不是直接用框架提供的工具？6. （压力面/追问）RAG的局限性是什么？请举一个具体的负面例子，在什么场景下RAG并不能解决得很好？7. 你对未来的技术方向有什么规划？更倾向于Java后端还是AI工程？8. 考虑到你还在校，如何安排实习时间以确保投入度？我的回答策略与分析【针对问题】：Go语言的优劣势分析【我的回答策略】我重点阐述了Go语言在并发处理上的核心优势，提到了goroutine的轻量级特性和基于channel的CSP并发模型，并强调了它在高并发场景下相对于传统多线程模型的低开销。【回答分析】亮点：准确抓住了Go的核心特性，并提及了关键技术goroutine和channel。复盘反思：这是一个明显的失分点。面试官问的是“优劣”，而我只答了“优”没答“劣”，这会显得对技术的理解不够全面和辩证。改进建议：面试前应准备好技术的两面性。对于Go，可以补充几点不足，例如：1. 错误处理机制（大量的if err != nil）相对繁琐；2. 依赖管理在go mod出现前比较混乱；3. 泛型支持较晚，在某些场景下代码复用性不如Java。最好能结合与Java线程模型的对比，更能体现思考深度。【针对问题】：RAG技术的局限性，并要求举出具体的负面案例【我的回答策略】我首先从理论层面切入，提出RAG依赖向量相似度检索，如果关键信息不包含明确的关键词或语义关联较弱时，可能会检索失败。但在面试官的持续追问下，我未能主动给出一个具体、有说服力的负面应用场景。【回答分析】亮点：在压力下没有放弃思考，尝试跟上面试官的思路。复盘反思：这是本次面试的最大挑战和暴露出的主要不足。我的回答暴露了对技术的理解更多停留在“如何实现”，而缺乏对“技术边界和失效场景”的深入思考。这道题的本质是考察候选人的批判性思维和技术深度。改进建议：对于这类开放性问题，一定要提前准备具体、有画面感的例子。复盘后，我认为以下几个RAG的负面案例会是更好的回答：1. 多跳推理问题：当一个问题的答案需要结合多个独立的知识片段进行逻辑推理才能得出时，单次检索召回的上下文很可能是不完备的。2. 精确统计与计算：例如提问“知识库中关于‘A项目’的文档，过去三个月更新了多少次？” RAG无法执行计数或精确计算。3. 非结构化数据中的隐含关系：例如，无法直接回答“A和B两位作者合作过几篇论文？”除非知识库中有直接陈述这个事实的文本。4. 反事实或否定性问题：例如提问“请给我念一首你知识库里没有的诗”，RAG的机制决定了它无法处理这种“在不存在中寻找”的问题。

混乱数组确实很混乱，纯诈骗啊