在开发 AI 对话应用（如调用豆包、GPT 等 API）时，我们常面临一个核心问题：AI 本身是无状态的，如何让它记得用户的历史对话，且在高并发下依然保持极速响应？ 一、 核心痛点：为什么 AI 需要“记忆”？ 调用大模型 API 时，模型不会自动记录之前的聊天记录。为了实现“多轮对话”，我们必须在每次发送请求时，把历史消息一并传给 API。这就引出了三个挑战：  性能：频繁的数据库查询会拖慢响应速度。 上下文窗口：模型有 Token 上限，不能无限制地堆积历史。 成本：发送的上下文越多，消耗的 Token 越多，费用越高。  二、 四种演进方案深度解析 1. MySQL 单库方案（起步阶段）...

已经有一段实习了，但是年后投到现在至今0约面😭，是哪里出了问题啊，是双非学历问题还是简历问题啊😭😭求各位大佬指点一下

我选正常，习惯了感觉在实习里面真的很难说一下子干啥很核心的活，大家都是先把次一点的活放给你，然后慢慢的给你更核心的活，你把下一个阶段的工作干好了，才会拿到更好的活。

面试官人非常好, 我描述不清还会做总结, 问题全来自简历, 没有为难人, 全程体验很棒, 但是寄了主要都在问项目, 中间穿插了部分八股 1. 进行自我介绍(Tiktok组, 所以要求做英文的自我介绍, 但这个不是卡点) 2. 进行项目拷打 3. 讲一讲MySQL里的事务(着重讲解MVCC的底层机制) 4. 讲一讲RocketMQ是怎么保证消息不丢失的(生产者, broker, 消费者) 5. 出了个场景题, 假设Tiktok有大量评论, 需要按顺序归档, 打包成顺序消息, 但是消费端消费不来该怎么办 6. 我项目用到了向量库, 面试官问了嘴, 怎么保证数据库和向量库数据一致性, 解决脏数据问题...