实习期最怕听到的一句话，绝对是导师突然走过来问：“你刚才跑数据同步脚本，连的是测试环境还是生产库？”那一瞬间真的是冷汗直冒！特别是当你在处理海量时序数据，比如往Doris数仓里倒腾测试通道数据的时候，一个回车敲错可能就是严重的线上事故。有时候我们为了赶进度，或者直接复制AI辅助生成的长串命令，不加仔细核对就直接执行，往往最容易翻车。大家敲代码再快，遇到线上环境也必须心存敬畏。执行任何关键操作前一定要再三确认环境配置，宁可慢一点多检查几遍，也千万别搞出大乱子！

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...