有必要做一个agent项目丰富一下简历吗

4.13面试官打电话第二天约面，4.14面完后，官网还是显示简历复筛状态😳

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

只背了threadLocal的存储特点和底层原理，以及内存泄露原因，结果被问异步的线程怎么访问子线程？直接懵了 现在来补充这块盲区。Java 主线程中存储的 ThreadLocal 数据，异步子线程、线程池为什么获取不到？有哪些解决方案？各自优缺点？答:1. 原生 ThreadLocal 底层限制每个线程独立拥有自己的  ThreadLocalMap ，天然线程隔离；主线程的 Map 与异步/子线程 Map 完全独立，因此异步线程直接  get()  拿到  null 。解决方案:2. 方案一：InheritableThreadLocal（JDK 原生）- 原理：Thread 类内部存在  inheritableThreadLocals  集合，新建子线程时会浅拷贝父线程该集合数据，实现父子线程传递。- 致命缺点：拷贝逻辑只执行在线程构造方法；线程池、@Async 线程长期复用，不会重复拷贝，导致上下文失效、出现脏数据，生产不推荐。3. 方案二：临时简易方案（无依赖）主线程提前手动  get()  取出 ThreadLocal 数据，转为有效final局部变量，直接传给异步 Lambda/内部类使用；拓展：方法内局部变量被异步引用，必须为有效final（不可二次赋值），成员变量、静态变量无此限制。4. 方案三：生产最终方案（TransmittableThreadLocal 阿里 TTL）- 核心原理：在异步任务提交时刻主动捕获主线程上下文，任务执行时绑定到复用线程，执行完毕自动清理。- 优势：完美兼容线程池、@Async、CompletableFuture 所有异步场景；无需手动传参，彻底摆脱  final  限制，是企业级上下文传递标准方案。其他问题追问1：InheritableThreadLocal 线程池失效的根本原因？线程池线程提前初始化、长期复用，拷贝逻辑只在线程创建时执行一次，无法同步主线程最新的 ThreadLocal 数据。追问2：TTL 与 InheritableThreadLocal 核心区别？InheritableThreadLocal 是线程创建时拷贝；TTL 是任务提交时拷贝，专门适配线程复用场景。追问3：异步代码里，为什么主线程局部变量必须要有效final？局部变量存储在线程栈，异步线程无法跨栈访问；底层会进行值拷贝，语法禁止二次赋值，防止多线程数据错乱。

面试官人超好，最后主动给我讲了面试反馈建议，全程没有问八股，都是问的技术选型/ai发展等等，收获巨大，早点上次的阿里国际也去面面了（被我睡过头鸽掉了）秋招一定再冲一下阿里简单做一下自我介绍。为什么要做 RAG 知识库这个项目？项目技术选型为什么选用 MySQL、Redis、Kafka 这些组件？除了 ES 做向量检索，还了解其他实现方案吗？做 RAG 链路，社区有没有其他现成 / 流行的方案，有没有做过调研？项目中比较有挑战的地方是什么？数据清洗、日期提取这个问题是怎么发现的？为什么不自己部署一个模型，而是用 DeepSeek API？会结合实时检索内容发给大模型吗？是模型自身检索还是 age...