腾讯暑期提前批后台一面

岗位：WXG后端支付1面实习交流1.业务系统整体架构2.消费者并发消费框架怎么设计和实现的，需要保证并发消费且offset提交顺序，不然会丢消息3.kafka幂等性在我的业务里怎么保证4.为什么kafka极端情况会丢消息5.Facebook数据定时任务异步拉取轮询处理，定时任务的时间间隔怎么配的，为什么这样定义6.定时任务异步处理任务的状态机怎么设计的，幂等，高可用怎么保证。7.异步任务失败怎么处理的（哪些可以重试哪些降级）8.定时任务要做分库分表么，分库分表怎么做的，分库分表有什么缺陷，怎么优化9.Google链式拉取，在k8s自动阔缩容，引起kafka rebalance造成的幂等问题（链式拉取会任务数量翻倍），加标识存在数据丢失风险。这种情况怎么保证数据不丢失和幂等性。（这个特别复杂，基本不用了解）10.kafka的重平衡风暴详细说说，怎么解决个人项目交流11.超时订单关闭怎么解决的，怎么进行技术选型的（redis 标识/rdelayqueue，mysql轮训，RocketMQ定时任务怎么抉择）12.超时关单和支付同时发生怎么解决一致性问题（和红包设计题本质一样）13.秒杀整体架构和流程怎么实现（分布式架构设计），库存/订单模块设计14.秒杀过程中，幂等怎么解决（就是一人一单）15.秒杀中，redis做预处理和rocketmq发消息，这两部不一致怎么办，分布式事物怎么解决（就是redis扣减成功了，响应没给到JVM，导致JVM没把消息发给MQ怎么办，搞个RocketMQ事物消息就好）16.如果下游数据发生不一致，怎么检查，回滚（RocketMQ事物消息原理，定时回查，redis存个标识查就完了，简单）17.设计一个抢红包系统：1天后红包退回和刚好你要去抢这个动作同时发生，怎么做1h10min，面完5min流程推进

结论：要刷，但不是死记硬背地刷；是为了练内功、过面试、驾驭AI，不是为了背题。一、先说现实：大厂面试，还是要考 校招/应届生：必须刷。字节、腾讯、阿里、微软、亚马逊，算法题依然是筛选门槛，不刷基本拿不到offer。 社招13年：高频考。中等难度为主，考思路、复杂度、边界处理，不是纯背诵。 社招5年+：看团队。偏架构/业务的少考纯算法，但基础题、复杂度分析依然常见。 AI/算法岗：必刷。LeetCode是基础门槛，和AI算法本身无关，但大厂筛选就认这个。  二、AI能写代码，为什么还要刷？1. AI写的是代码，你要懂的是“对错与好坏”AI能秒出解，但你得看得懂： 时间/空间复杂度对不对 有没有边...

标题引流，想请教一下牛爷爷们:应该怎么看待后端开发与agent基本信息:目前找到了某大厂Java后端传统业务的实习，还没去。我的简历上做过鱼皮的智能体项目，不过这个项目也只是一个很浅的玩具，意图识别，harness等等都没有工程化实现。目前总觉得我后端开发简历上有个半吊子agent项目很四不像，我对agent的了解也只有鱼皮智能体项目中有的那些。问题:1.java后端开发和agent开发这两条路子怎么选择？在牛客经常能看见一些java后端面试ai应用开发的，但面经好多我都不会。我后面有必要为了秋招也能去面试agent开发岗位而继续深入学习agent吗？后端开发和agent开发两条路子可以兼顾，或者说建议兼顾吗？2.如果建议兼顾ai应用开发/智能体开发，那我还应该学习什么东西？在实习期间也继续做新的智能体项目吗？需要详细看看一些知名开源智能体的源码吗？这方面不太清楚大厂考察深度在哪，学起来好迷茫3.对于后端开发应该对agent了解到什么程度？对于简历上的项目内容本身我不太怕拷打，但涉及agent有太多知识我没掌握了，不知道这方面要了解到什么程度。比如harness，意图识别等我是去做个项目系统学习一下比较好，还是看一下相关文档学习就行？4.如果没能在实习过程中偷产出偷出一个项目来，我当前项目（两个鱼皮项目，超级智能体和协同图库）够秋招用的吗？尤其那个玩具智能体项目，在现在时不时就推出一个概念的情况下，我需不需要学习一下其他项目的智能体搭建环节，然后直接套在我的项目上？说的啰里啰嗦，但核心问题只有一个:就是在大三下已经找到传统业务的暑期实习情况下，我应该怎么看待agent，是作为一个能体现自己与时俱进的出彩点展现给面试官为java后端赋能，还是当做一个新的方向机会好好把握使劲投入精力？并且为此我在秋招之前应该做哪些事情？引流:美团面经，腾讯面经，字节面经，京东面经，阿里巴巴面经，蚂蚁面经，快手面经，大厂oc，hr面挂

最近的Harness Engineering，你可以理解成给 AI 模型戴上安全带、装上安全气囊的工程实践。过去两年，我们经历了两个阶段：Prompt Engineering（怎么问）、Context Engineering（喂什么料），但它们对付不了模型多步自主执行时的各种意外。文章中有一个生动的例子：让一个智能体写市场分析报告，前三步相当顺利，但到第七步突然开始胡编乱造，因为搜索返回的内容超出上下文窗口被默默截掉了；第十步输出一段残破的 JSON，整条链路就此夭折，只能重头再来。要解决这种问题，Harness Engineering 给出四个简单又实用的原则：能用代码约束的事儿，别指望模型...