开发岗找工作不尽人意，从头学运维是不是也

1.对 AI、LLM、工作流、MCP、Agent、Prompt 的理解AI：让机器模拟人类的理解、推理、生成、决策等智能能力。LLM 大语言模型：基于 Transformer 架构，通过海量文本预训练，具备语言理解、文本生成、逻辑推理能力。工作流：将大模型调用流程化，包括输入解析、检索、Prompt 组装、模型调用、结果后处理。Agent：具备自主规划、工具调用、记忆和自我修正的智能体，可独立完成复杂任务。MCP：多智能体协同框架，多个 Agent 分工协作完成任务。Prompt：给大模型的指令，高质量 Prompt 包含角色、任务、约束、格式、示例。2. 大模型的原理大模型基于 Transf...

我今年大二，昨天面了一个20几个人的小厂，一上来自我介绍，然后八股，问了redis持久化策略，aop，ioc，transactional啥时候失效，这个说了四五点吧，然后问我nacos知不知道，我说知道一些，回答了注册中心，调用者从那里拉取服务列表，还有给服务发送心跳大概这些，然后问了一个项目问题，然后他就说我这边买什么问题了，然后问我，你才20岁现在大几，可以实习多久，我看你的专业数字媒体技术为什么学这个方向呢，然后就是你有什么想问我的吗，全程15分钟，今天面试结果不太合适😭😭😭😭😭😭太合适，好难过啊家人们，到底为什么😭

敢问哪家大厂能在工位这件事上打过百度？L 型大工位真的太犯规了东西随便铺开、灵感随时落地这种自由感，谁能不心动啊🥹不服来战💪

1. 深入讲讲你项目中遇到的最复杂的技术问题，如何解决的？参考答案：我在做电商系统时，遇到过一个分布式事务的问题。场景是用户下单时，需要同时操作订单服务（创建订单）、库存服务（扣减库存）、积分服务（扣减积分）三个服务。如果其中一个服务失败，其他服务需要回滚，保证数据一致性。最初我使用了两阶段提交（2PC）方案，但发现性能很差，而且存在单点故障问题。协调者挂掉后，所有参与者会一直阻塞等待。后来改用了Seata的AT模式，它是一种改进的2PC，通过拦截SQL自动生成回滚日志，性能和可用性都有提升。但在高并发场景下，Seata的全局锁机制导致性能瓶颈。最终我采用了基于消息队列的最终一致性方案。下单时...