实习工资只发600元

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 项目拷打3. 介绍一下 ReAct 框架的具体实现流程，Agent 在什么情况下容易陷入思考死循环（Thought Loop）？4. 如果 Agent 调用的底层运维 API 发生超时或 5xx 错误，你在工程上是如何实现容错机制的？5. Redis 的数据结构有哪些？在 Agent 对话上下文缓存中，你会选择哪种结构？6. 线程池的参数如何设置？7. 解释一下分布式事务的 2PC 和 TCC，在 Agent 执行多步跨系统指令时如何保证一致性？8. 类 Manus 的 Agent 需要频繁操作环境，如何实现一个高可用的任务调度器，要考虑哪些方面？9. MySQL 的隔离级别有哪些？什么是幻读？10. TCP 三次握手和四次挥手流程？为什么断开连接需要等待 2MSL？11.  如果要实现一个代码执行沙箱，你从后端角度如何限制 CPU、内存和网络访问？12. 什么是协程？13.为什么 Agent 后端通常采用异步非阻塞模型？14. Kafka 为什么高吞吐？在处理 Agent 异步回调信号时，如何保证消息不丢失？15. 有了解过Agent 的记忆吗？mem0这个记忆框架知道不16. 向量数据库的原理是什么？RAG中的rerank?16. HTTP 与 RPC（如 gRPC/Thrift）的区别是什么？为什么字节内部通信多用 RPC？17. LRU 缓存18. K 个一组翻转链表

 现在校招简历人人都想沾一点 AI，但大部分同学都陷入一个误区：没做过 AI 模型项目，就在自我评价硬写“精通大模型、熟悉深度学习”，夸张到业务熟练的HR都能一眼看出造假，然后技术面的面试官一问就GG。结合平时简历投递习惯：项目真实用到 AI 才写项目，没做 AI 项目绝不硬吹；AI 能力放在技能+自我评价，低调务实、有依据、不浮夸。技能栏是最安全稳妥的写法，不用夸大 AI 水平，而是写明熟练使用 AI 编程工具，掌握基础提示词用法，能够利用 AI 辅助编码、梳理逻辑、排查问题和整理文档，同时了解大模型基础应用逻辑，具备 AI 辅助开发的思维。项目经历严格遵循真实原则，只有实际接入过大模型 A...

其实每一句都心虚，因为自己学的那些或者实习中做的那些，离企业真实应用还是有一定差距的。简历上写的熟练掌握、深入了解、优化迭代，大多都带着美化的成分。实习里只做了简单的业务 CRUD，却要包装成模块独立开发；只会基础使用的中间件，硬生生写成熟练落地；很多技术只停留在会用的层面，底层原理、线上问题、性能优化一概没有深入接触。明白自己只是接触了皮毛，没有真正经历过复杂业务、高并发场景、线上故障排查。一旦面试官深挖细节，追问落地难点、踩坑经历、方案取舍，瞬间就会底气全无。一边靠着修饰的简历争取面试机会，一边又害怕被层层拆解盘问。大概应届生的通病就是这样，经历单薄，能力有限，只能靠文字包装来缩短和岗位要求的差距。也正是这份心虚，才督促自己不断补基础、磨项目、补短板，慢慢缩小理论和真实业务的差距。

上周，我去面试一家AI创业公司的高级后端工程师岗位。前三轮技术面都挺顺利的，项目架构、系统设计、高并发问题……我感觉答得都不错。最后一轮是CTO面，我以为会是一些战略层面的问题。结果他一开口就问："马斯克说2026年底程序员会失业，你怎么看？"我当时就愣住了。说实话，这个问题比任何技术问题都难回答。说"不会失业"，显得盲目乐观；说"会失业"，等于否定自己的职业价值。我深吸一口气，决定说真话。"我觉得马斯克说的有道理，但又不完全对。"CTO挑了挑眉，示意我继续。"说有道理，是因为纯编码工作确实在被AI快速替...