一面八股？ MongoDB是不是关系式的场景题数据库 面对一亿个用户存储场景应如何设计存储结构？ 在上述存储设计中，如果存储用户密码，会如何考虑和设计，尤其需要考虑哪些安全问题。此处特别举例讨论了如果攻击者获取数据库权限后，通过复制加密密码来冒用他人账户的场景，询问如何防范？ 询问在MySQL中，当数据量达到几百万条时，使用limit分页查询到1万页以后是否还能高效执行，以及原因。计算机网络 询问在浏览器输入一个域名后，请求是如何一步步到达服务器的，以及服务器IP是否会直接对外暴露java中的集合 询问Java中hashmap的扩容机制，特别是在扩容过程中如何处理并发读写的问题一面强度太大了，...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

这种的是真的假的，有没有什么陷阱啊

本地商业1. 先做一下实习时候的业务介绍，有什么提升2. AI Coding 功能从能演示到能交付，中间差的到底是什么差的不是模型会不会写代码，而是系统有没有交付闭环。演示阶段只要能在几个样例上生成看起来对的 patch 就行，但生产可交付要求它能处理不完整需求、脏仓库、编译失败、依赖缺失、测试不稳定和回滚策略。真正落地时必须加任务约束、静态检查、sandbox、单测回归、补丁审计和失败分级，否则所谓“生成功能”只是把风险后移给人。AI Coding 一旦进入真实研发流，评价标准就从“会不会写”变成“出了错能不能收住”。 def deliverable_check(repo, patch): ...