技术支持视频初面可能会问哪些问题啊，有之前面过的牛友能说说不

1. 上次一面聊了你的项目，能再深入说说项目中遇到的最大挑战吗？最大的挑战是处理秒杀场景的高并发问题。当时模拟了一个促销活动，瞬间有几千个请求抢购商品。最初的实现是直接查数据库库存，然后扣减，结果出现了超卖问题，而且数据库压力特别大，响应很慢。我分析后发现主要有三个问题：数据库成为瓶颈，库存扣减不是原子操作，没有做流量控制。解决方案是多层优化。首先把库存预热到Redis，用Lua脚本保证扣减的原子性。Lua脚本先判断库存是否充足，充足才扣减，整个过程是原子的。然后在网关层用Sentinel做限流，超过阈值直接拒绝。订单创建改成异步的，扣完库存就返回，通过RabbitMQ慢慢处理订单。还做了一些...

写写面经攒人品，考研下岸梭哈春招，春招第一面。1.并发编程，线程池核心参数（结合项目拷打）2.死锁条件，预防&避免3.redis持久化4.MySQL索引（结合项目说明）5.线程通信（宕机了，一下没想起来）6.java集合，concurrenthashmap还有一些线程安全问题7.拷打项目8.ai coding经历和一些开放性问题无手撕 ，半小时结束，还得沉淀。

说真的，别再只会背 RAG、幻觉的基础定义了，我面 AI 岗挂的 5 次，全是栽在看似基础、实则一挖就深的问题上。最开始准备面试，我就背了背 “什么是 RAG”“幻觉怎么产生的”，以为就能应付，结果一面试就被问懵了。面试官根本不会只让你背定义，他会问：你说你懂 RAG，那你做的项目里，召回率只有 30%，你具体是怎么一步步优化的？每一步优化的指标提升了多少？你说能解决幻觉，那在多轮对话场景里，模型前后回答矛盾，你怎么处理？和单轮对话的解决方案有什么区别？你提了 MCP 协议，那它和传统的 API 调用有什么本质区别？实际项目里你用它解决了什么具体问题？踩过哪些坑？你说做过 AI Agent，那你的 Agent 在任务执行失败的时候，会怎么做错误重试和反思？具体的实现逻辑是什么？我才发现，面试官根本不关心你能不能背出定义，他关心的是你有没有真的做过、有没有真的踩过坑、有没有解决实际问题的能力。背出来的答案，和实战出来的答案，面试官一听就能听出来。后来调整了思路，不再死背知识点，而是把自己做的 demo、项目，从技术选型、踩过的坑、优化思路、数据指标，全拆解得明明白白，再去面试，基本都能对答如流。给所有面 AI 岗的牛友提个醒：别只背基础概念，面试官最爱问的，永远是基于实战的深挖问题。没有真实项目经验，就自己动手做个完整的 demo，把每一个技术点吃透，比背 100 道题都管用。