真诚发问：外包和正编有哪些区别？

最近我被裁员了，我老能想起来，当时HR问我“你能稳定吗？我们项目很稳定，组里也想找个稳定的人”。我当时真信了他的“稳定”。我住附近城市，回家方便，就回答说：“能，拿到offer我会很稳定。”结果呢？几个月后，“稳定的公司”裁了一大批。我不清楚那些当时和我一样图“稳定”进来的同事，现在怎么想。外包从来就不是稳定的代名词，几个月，我被遣送回“附近城市”，继续看项目、刷面经、来回奔波。我现在觉得外包就不能考虑稳定这个因素，还是向“钱”看吧

腾讯官网社招岗位共计约2500个，其中IEG 1300个，占了一半多。其他五个事业群、三个职能线加起来的岗位数没有IEG多。（岗位数不等于招聘人数，有些岗位可能招聘多人）另外IEG内包子公司腾娱还有1500多个岗位，再算上萨罗斯、银之心、永星互动、藤库/聆曦、大连北境（内包子公司）等众多全资子公司，IEG的招聘岗位总数在3000以上。对比国内其他公司官网岗位数量（含内外包岗位），网易互娱+雷火共计1800个，米哈游600+，均低于腾讯游戏，整体上招聘数量与公司规模呈正相关，也能一定程度反映公司的发展势头。（IEG和网易等公司有部分陈年旧岗，这里未去除）地区上看腾讯IEG社招岗位主要分布在深圳、...

4/20小厂agent一面复盘1、自我介绍，今天加了句 不知道我的技术栈对不对口 ，面试官就说他们也是go+agent，挺对口的，放松了一点点2、第二个项目2.1 LangGraph和LangChain的区别。LangGraph是状态机，对循环/分支的支持更好，比如我这里的路由会根据用户的问题走不同的分支，blabla面试官问用到循环了吗，我说效果不好的话会循环回去，但我这里比较简单【补充可控性/可观测行的差异】：状态显示、便于trace、调参。3.2 多agent了解吗没在项目里用过，只是了解。比如plan一个agent、执行一个agent、评估一个agent，她们各自分工又互相协作完成复杂的任务。【补充多agent适用场景、代价】适合做任务可分解、子结果可验证的场景，代价是token成本上涨、延迟变慢、调试复杂。3.3 学一下多agent的通信机制。函数调用、RPC。【消息格式】：需要包含role、内容、ctx等（json）【共享状态】：共享全局记忆，任务状态记录、中间过程记录【调度方式】：集中式、去中心【一致性】：冲突解决、投票/评分3.4 GraphRAG的优点传统的RAG只能做向量检索，GraphRAG的话加上实体抽取利用多跳机制，不需要检索全库的向量，而且通过扩展邻域检索更加相近的内容。【多跳关系推理】：不仅是相似度检索，更是 因果/关联链条【可解释性】：给出路径/邻居/证据块3.5 怎么做容错的？没做。只做了证据溯源，相当于肉眼判断吧。答得有点灾难【输入层】：提问非领域---澄清【检索层】：证据不足---换检索策略、调topk；图检索失败--回退向量检索。【生成层】：避免胡编/与证据不一致---触发检查【harness】：记录成样本3、第一个项目3.1 redis的缓存穿透和击穿。击穿用的singleflight、穿透用的空值缓存。别的防穿透方法就是布隆过滤器、加锁、或者也可以做非法请求校验（毕竟穿透解决的是非法请求）【缓存雪崩】：随机ttl抖动3.2 缓存在项目中是怎么用的？一个是用户个人页面的视频列表缓存，一个是姿态分析结果的缓存，通过前端轮询来获取分析数据。【补充key、val】：视频列表缓存，key是userID，val是视频元数据的json。分析结果缓存，key是视频id、val是结构化的建议。3.3 webSocket和SSE了解吗了解一点，但项目里没用到。一个是全双工，一个是流式传输。【如果要改进】可以用SSE试试推送分析进度3.4FFmpeg的瓶颈在cpu还是io答不上，面试官说在IO，可以利用redis的IO多路复用优化并发。【cpu】：top/htop---将分辨率【磁盘】：iostat----分片上传3.5 worker的数量如何确定记不清了，只记得和核有关。负载增加的话可以动态扩容。3.6 goroutine panic了会怎么样？栈展开、defer、recover捕获【补充配合ctx做取消】3.7 追问recover里面做了什么业务处理？没做业务处理，制作了错误输出。3.8 context父context取消，子也会取消。值传递的话http请求链用到了元数据传递以及tracer【加NACK】消息重试/放入死信队列4 aicoding代码质量、review怎么做的？我只回答了测试。面试官说可以借助rules、skill做限制【生成前】prompt/rules 限制技术选型、明确接口定义、必须做单测、必须错误处理【生成中】skill定义业务逻辑等等【生成后】：单测、并发安全

我觉得 AI 岗不仅要懂 Python、数据结构，还要掌握机器学习框架如 PyTorch、TensorFlow，熟悉数据分析与模型训练。同时数据库、分布式基础也不能丢。光会调包不够，懂原理、能落地，结合工程能力，才更有竞争力。最重要的是要不断学习！#从事AI岗需要掌握哪些技术栈？#