1.淘天一面1.1压缩搜索后，语义细节丢失怎么搞1.2 为撒调用LLM要多线程，并发；有并发吗1.3 为啥ThreadLocal多线程，存入的话有什么注意的事情1.4切分策略1.5milvus ANN/KNN算法，时间复杂度可能想问这个 在使用线程池时，线程会被复用。问题：如果线程A处理完一个请求后，没有清理 ThreadLocal 中的数据，当这个线程被回收并分配给新的请求（线程B的任务）时，线程B就有可能读到线程A留下的“脏数据”。后果：这会导致业务逻辑错误，例如用户A看到了用户B的个人信息。解决方案（面试铁律）：kpi面：反问面试官问我的问题，自己的回答跟我的回答差不多，还一直问我；乐；答知识压缩语义丢失，就去调个工具查；2.飞猪hr2.1有成就的事2.2三个关键的词，同事的评价2.3mbti......3.京东科技一面3.1为撒用bitmap这种数据结构，优化8s到2s，在embeeindg耗时还是传输耗时，有测过吗3.2jwt和session 和 cookie适合于哪些场景；为撒加了存储比如redis，mysql还要考虑jwt无状态3.3跨域问题3.4rpc了解吗，用过啥3.5henmes agent3.6为撒用redis做消息通知3.7用aicoding搭建过哪些完整的项目，小或大的3.8claude code源码看过吗

更偏推理基础、工程细节和 CUDA 手写题这场百度 AI Infra 一面，整体感受是节奏很快，前半段主要围绕简历里的项目和实习经历往下问，后半段会明显转到一些更偏推理基础和工程理解的问题，最后还加了一道 CUDA 的手写题。面试官一开始先介绍了团队，说他们在百度智能云下面，训练、推理、强化学习、Agent 这些 AI Infra 相关方向基本都覆盖到了，所以一上来的感觉就是，这不是只盯某一个小点的岗位，而是一个工作面比较宽的 Infra 团队。正式开始之后，前面还是从我现在做的事情切进来，重点还是摩尔线程这段实习。面试官先问我怎么理解自己在做的这个 TensorFlow MUSA Exten...

有没有佬帮我看看这个简历还有什么可以优化的地方吗😢😢😢，想投大厂实习不知道够不够格。

继一面几乎秒过之后，二面来了。听说字节暑期实习一般两轮技术面就结束了，所以我一开始其实挺有信心的，甚至觉得只要正常发挥，大概率就能过。结果一开面，我就感觉事情不对了。黑马点评项目才刚讲完，面试官基本没什么兴趣，直接抓着我自我介绍里一个小瑕疵开始往下问八股。最难受的是，他并非简单问完就过，几乎每一道题都要追到他满意为止，你只要没答到那个点上，他就会一直追、一直压。整场面试节奏特别紧，几乎不给喘息空间，确实很锻炼人，但面完也是真的身心俱疲。（附面经）---------------------------------------------------------------------------...