1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

我现在这个水平大概能拿到多少薪资的offer😂

Nginx 是七层代理还是四层代理？你用过 LVS 吗？你的后端跑了两个 Tomcat 服务，在分布式架构下，Session 的会话保持（一致性）是怎么做的？什么是缓存穿透？简单讲一下你的项目中是如何用布隆过滤器解决缓存穿透问题的？场景设计题：如何设计一个海量日志采集系统（要求：日志尽量不丢、中间需拦截并添加流量/用户特征等处理、未来支持动态扩容）？谈谈你的技术架构设计思考。在业务代码中通过 AOP 记录完日志后，具体该如何将这些日志传输并提交到那个独立的日志服务上？如果该日志系统要求对接全集团的服务，日志量极大且 QPS 极高，应该如何设计高吞吐架构？如果在日志系统引入 Redis 缓存“热...