今天整理了一下滴滴二面的整体流程和高频考察点，明显能感觉到二面和一面的区别还是很大的。一面更偏基础和项目经历的初步了解，二面则会继续深挖项目细节、工程思维、技术选型、问题定位能力，以及 C++ 核心知识和手撕代码能力。很多题目表面上不难，但如果项目细节不熟、底层原理说不清、回答不够结构化，就很容易卡住。这篇复盘主要把这次面试中出现的题目整理出来，方便后面继续针对性准备。题目介绍一下你参加过的竞赛，遇到的最大挑战是什么？竞赛项目中你是如何做技术选型的？为什么选这个方案而不是其他方案？你的项目中是如何保证代码质量和可维护性的？项目中遇到过内存泄漏或崩溃问题吗？你是怎么定位和解决的？C++ 虚函数的...

没招了，笑死了

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...