最近面试变多

前言时隔两年再次更新了，本文主要给大家带来一些我面试的经历和经验，希望对正在求职大厂前端岗位的同学有所帮助。我先大致说下面试之前的个人情况：2021年毕业去了一家500人左右的小公司，react和vue项目经验都有，两年半后拿礼包去了一家中厂，后来在这家公司待了一年左右最近面试京东拿到了P6的offer，差不多四年的工作经验终于拿到了大厂的入场券。我写的篇幅可能比较长，这里讲一下为什么会有七轮面试，刚开始社区找人内推的北京团队，后来三面老板面因为工作地点的原因挂掉了(本人毕业后一直在上海工作)，由于前面技术轮评价比较好，又找了上海的团队内推重新面了四轮才成功拿下。好了，接下来就大概讲讲我的多轮...

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

差点把线上搞崩那次，到现在想起来手心还会出汗。实习第六周，我改了一个配置参数。自测过了，跑了几个case没问题，心想这么小的改动走什么灰度啊，直接上呗。提交MR的时候mentor拦住了我，说走灰度。我当时内心是翻白眼的——至于吗？灰度放了1%的量，五分钟之后监控开始报警。我改的那个阈值，影响了下游一个缓存服务的淘汰策略。我看着监控面板上那条飞起来的红线，感觉自己的血也凉了。mentor倒是很淡定，一键回滚，然后跟我说：这个接口日调用量几千万。如果刚才全量上了，你今天就可以体验什么叫P0事故复盘了。那一刻我是真的怕了。不是怕被骂，是怕影响真实的用户。之前在小厂实习，出了bug重启一下就好了，DAU才几千，没人在意。但大厂不一样，你敲的每一行代码背后都是真实的人在用。从那以后我再也没有跳过任何一个流程。你说大厂的流程烦不烦？烦。但被流程保护过一次之后，你会真心感激这份烦。感谢我师，就我🐶命

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...