雪花算法 主要用于生成全局唯一ID，并且长用来作为数据表主键 雪花算法=符号位+时间戳+机械码+序列号 优点是性能高，不依赖数据库，天然支持分布式 缺点是会有时钟回拨产生重复ID和序列号溢出的风险 时钟回拨问题怎么解决？ 检测并阻塞 当检测到当前时间 < 上一次时间时，直接拒绝或阻塞，等待时间追平。这里的等待时间追平是指系统时间追上一次生成ID的时间 多时钟序列 引入“时钟版本号”（clockId），时间回拨时切换 clockId 保证不同时间段生成的 ID 不冲突（类似逻辑分片） 序列号溢出怎么解决 等待下一毫秒 当序列号用完，阻塞到下一毫秒再继续生成这是默认实现，简单且可靠 扩展序列...

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...