美团一面

收到云智的26校招礼啦，喜欢！抽到了爆米花、还可以贴冰箱上！

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花过滤器（Filter）和拦截器（Interceptor）是Java Web开发中常用的请求增强组件，二者都能实现请求预处理、响应后处理的逻辑，但底层归属、执行层级、依赖环境、作用范围存在本质差异，适用场景也截然不同。简单来说：过滤器是Web容器层面的原生组件，拦截器是Spring框架层面的业务组件，二者处于请求处理的不同链路节点。一、核心定义与底层归属1.1 过滤器（Filter）过滤器是Servlet规范（JSR-315）定义的原生Web组件，属于Java EE标准，不依赖...

先自我介绍，然后开始聊项目。深挖AI项目：项目为什么用的是JSON-grpc？它是怎么设计的？和标准的rpc有什么区别？对mcp工具调用时的不同错误类型，你的设计有什么区别？怎么封装的rpc超时重试机制？客户端发起一个请求的时候，服务端怎么找到对应的工具？（mcp工具调用的全流程）假设客户端请求的QPS很高，高并发环境下怎么去优化性能？讲一下SSE通信模式，他和websocket有什么区别？怎么通过RAG对mcp工具的选择进行优化的？工具调用时token消耗过高，是在什么时候呢？（远程调用大模型的时候）RAG向量化的内容是什么？怎么把用户的问题，prompt去向量化的呢？有对比过引入RAG向量化后的效果吗？mcp服务端在Linux平台上运行时，CPU突然占满了，如何排查？怎么判断运行时出现了死锁？如果是进程或者I/O引起的CPU100%，怎么判断进程卡在内核里、锁里还是I/O等待里？讲一下僵尸进程和孤儿进程的区别。算法题：带过期时间的LRU缓存，淘汰策略是random。反问：Q：您那边负责的主要业务是什么呢？A：我这边是字节主端侧，AI基础设施。Q：贵公司对在校生和实习生，更看重哪些方面的能力？A：基础知识、和岗位方向的匹配度、还有学习能力。总结：一个多小时，项目拷打基本抗住了，而且幸好面试前专门研究了大模型token和RAG，和面试官有得聊。算法题只写了个大概，用哈希表+双向链表，但双向链表的特点给忘了没回答好。

简历时，你是不是也陷入过这样的困境：明明做过不少事、有过亮眼的经历，落在纸上却干巴巴的，要么流水账式罗列，要么无从下笔，根本体现不出自身价值？当 HR 在筛选简历时，最反感的就是 “无效经历描述”—— 没有逻辑、没有重点、没有成果，即便你能力达标，也很难在众多简历中被看见。而解决这个问题的万能工具，就是 STAR 法则。它不是复杂的理论，而是一套能快速梳理经历、让内容更有说服力的结构化方法，帮你把 “做过什么” 转化为 “能创造什么价值”，让简历自带竞争力。今天我就手把手教你，如何用 STAR 法则改写简历经历。Part.1 我们先搞懂：STAR 法则到底是什么？STAR 是四个英文单词的缩写...