京东后端实习一面凉经（2026-1-6）

整体面试还是不错的，但是没后续了，不知道是哪里出了问题项目及八股1. 你对RAG（检索增强生成）的理解是什么？2. 向量知识库和各自优缺点是什么？3. 针对检索的准确性，你在项目中做过什么调优操作？4. 项目中排序算法及其他？5. 你们对检索准确率做评测时，测试集和测试流程是怎么构建的？你是否参与了这块工作？6. ES底层的存储结构是怎样的？7. 若ES中已存储部分数据，执行更新操作时，ES内部的整个更新流程是怎样的？8. 服务降级策略的考量是什么？如何保证切换后服务维持正常？9. 你用Arthas排查问题时，具体排查的是什么问题？定位流程是怎么样的？10. 为什么要做分表存储的操作？11. 站在项目表设计的角度，什么场景下需要进行分表操作？12. 单表数据量达到多少时，会考虑做分表？13. 你有了解过MyBatis的切面操作吗？MyBatis的切面能做哪些事情？14. 请讲一下Spring AOP的大概流程和机制是什么？15. 你了解的事务隔离级别有哪些？16. 细粒度锁，具体是做什么用的？怎么实现的？17. 实现细粒度锁时，用的是Java的synchronized关键字吗？18. 如果是分布式服务做这种细粒度锁，你觉得应该怎么做？19. 你提到的Redisson加锁的机制，具体是怎么实现加锁的？20. Java中synchronized关键字底层的加锁流程是怎样的？它如何保证多线程并发时能拦住其他线程？21. ThreadLocal用于什么场景比较合适？22. 你了解ThreadLocal的实现原理吗？23. 若用ThreadLocal存储用户信息，在主线程内起异步线程，异步线程中能通过ThreadLocal拿到该用户信息吗？大模型相关1. 除了RAG相关工作，还有用过大模型去做其他事情吗？2. 你使用大模型时是用工作流方式，还是用类似Spring AI这种框架去实现的？3. 你在开发过程中，有用过大模型辅助编码的工具吗？4. 大模型辅助编码工具对你的代码开发效率提升有多大？

1. 做一下自我介绍2. 讲一下你做过的系统架构，别只说用了哪些中间件架构最好按数据流讲，而不是按技术名词堆。入口层是网关、鉴权和限流，业务层负责请求编排、规则判断和状态推进，异步层用 MQ 解耦高峰流量和补偿任务，存储层通常拆成 MySQL、Redis、检索索引和对象存储，旁路再挂监控、日志、配置中心和任务调度。真正有价值的是你能指出瓶颈会出现在哪里，比如检索召回抖动、缓存热点倾斜、下游依赖变慢、消费积压或者数据库回查索引失效。3. RAG 的原理你怎么讲，真正落地时它在系统里承担什么角色RAG 不是“检索一下再回答”这么简单，它本质上是把外部知识注入生成过程，降低模型纯参数记忆带来的不确定...

问一下大家，京东实习体验怎么样，有没有在实习的，给点参考，京东的体验咋样啊？求推真实体验

PS：就我目前看到的AI项目而言，相信大家的检索能力，一定能找到相类似的，所以我这边就不贴出对应的github仓库链接了。我其实就是用的这两个，不过我对这两个进行了一些综合，把二者合二为一了。1. 本地私有知识库 RAG 助手核心价值：覆盖面试高频考点，完美匹配 “检索增强生成” 技术栈，做完能直接解决学习 / 工作痛点。落地路径：技术栈：Python + LangChain/LlamaIndex + Chroma/FAISS（向量库） + Streamlit（快速网页）核心功能：上传 PDF/Markdown 文档（比如你的技术笔记、行业报告）→ 智能切分（带 100-200token 重叠...