投春招这段时间，最深的感受就是：差距从有没有笔试就开始了。我是景德镇陶瓷大学计算机专业，没有大厂实习，项目也是学校里跟着做的普通项目。从三月开始陆陆续续投了几十家，有互联网中小厂、制造业信息化岗、本地企业、银行科技子公司、国企IT类。牛客首页一刷，全是美团、字节、腾讯、华为笔试晒图，说不羡慕是假的，更多的是无奈。我也投过大厂，但基本都是石沉大海，简历状态停留在“已筛选”就再也不动了。我很清楚，学校背景不占优势，简历也不够亮眼，很难挤进大厂笔试池。目前真正收到笔试的，都是一些对学校比较友好、偏向实用型的公司：几家本地制造业、区域互联网、银行科技岗、国企信息化岗。不多，但每一场我都很珍惜，都会提前...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

在开发 AI 对话应用（如调用豆包、GPT 等 API）时，我们常面临一个核心问题：AI 本身是无状态的，如何让它记得用户的历史对话，且在高并发下依然保持极速响应？ 一、 核心痛点：为什么 AI 需要“记忆”？ 调用大模型 API 时，模型不会自动记录之前的聊天记录。为了实现“多轮对话”，我们必须在每次发送请求时，把历史消息一并传给 API。这就引出了三个挑战：  性能：频繁的数据库查询会拖慢响应速度。 上下文窗口：模型有 Token 上限，不能无限制地堆积历史。 成本：发送的上下文越多，消耗的 Token 越多，费用越高。  二、 四种演进方案深度解析 1. MySQL 单库方案（起步阶段）...