面试官现身说法

8.21二面 依旧很多大模型相关问题1. 你理解 ThreadLocal 的考点是什么？2. 如何避免线程本地变量导致的内存泄漏？3. try/finally 里 ThreadLocal 要不要手动 remove 掉？4. 本地缓存为什么设置 5 秒？为什么不是别的值？5. 你们是怎么做压测验证的？6. 遇到大促、流量峰值时，如果写操作集中发生，缓存和 DB 一致性如何保证？7. 你在项目里具体负责哪些模块？（缓存 / 对账 / CRUD 等）8. 你现在做的 SDK 具体解决什么问题？9. 老系统和新系统为什么要做迁移？老系统有什么问题？10. 新架构是谁主导设计的？为什么是单体架构？11. 你总结一下你做的三个核心点？12. 你还要负责老逻辑迁移到新系统吗？13. 对大模型（AI/LLM）方面的理解：14. 你怎么看大模型对工作的影响？15. 在你们内容审核业务里，AI 是怎么应用的？16. 你平时在实习里可以使用例如 ChatGPT、Claude、Copilot 之类的工具吗？17. 你个人平时常用哪些模型？（比如 GPT、Claude、通义千问、Gemini）18. 你怎么看像 AI Agent、RAG、MCP 等这些最近很火的概念？19. 你自己有没有实践过 Prompts 的设计？能举一个案例吗？20. 你会怎么验证 / 监控 Prompt 的正确性？如果模型输出结果和预期格式不一致，你们怎么处理？21. 你们上线前会不会评估 Prompt 的效果？怎么测试？22. 你对未来职业的规划是什么？想在技术还是管理上走？23. 你更看重深度还是广度？打算怎么平衡？24. 你对杭州的工作地点接受吗？

1. 自我介绍，大概 2 分钟。2. 详细聊聊项目，比如损失函数是怎么设计的？3. 讲讲 LoRA 微调。4. 手撕：Multi-Head Attention (MHA)。5. MHA 里面除以根号 k 是干嘛的？6. 什么是梯度消失和梯度爆炸？怎么缓解？7. QKV 分别代表什么？说说你的理解。8. 如果 Q 和 K 变成同一个矩阵，会有什么影响？9. 除了 LoRA，还知道哪些微调方法？10. 实习时主要做 Agent 相关的是吧？简单问一下 RAG 和 CodeAct。11. 手撕：n 个长度为 m 的升序数组，找出 TopK。面试官提示用大根堆，但我用归并写的，也通过了。

一面50min1. 自我介绍2. 实习拷打- 背景-指标是如何计算的- 信号源是什么- 研判流程、Prompt调优经验、如何做评测？准确率是多少？- 如何优化3. Redis- ZSet的底层数据结构，什么时候会转换- 如何支持范围查询- 数据一致性保证- 延迟双删的问题？为什么需要第一次删除？如何保证缓存中的数据是最新的？- 缓存击穿是什么？如何解决？4. LC322 零钱兑换5. 平常如何使用AI？如何获取最新的AI资讯6. 反问业务内容、未来规划、挑战、后续规划

1.自我介绍；2.介绍之前做的一个ai产品；3.业务规则的制定？用哪些指标去衡量效果？4.深挖指标的设定原理和规则；5.满意度指标以及用户的响应度？对满意度较低的bad case如何处理？6.在产品开发和上线过程中负责了哪些部分？发现了哪些问题？如何解决的？最终达到了什么样的成果？7.用户增长层面关注了哪些指标？8.关注的最核心的指标是什么？从哪些指标发现问题？9.举一个实习中通过数据发现问题并解决的例子；10.上段实习团队的人数和分工？11.上段实习中另一个ai产品的功能并追问如何改进迭代产品；12.上段实习ai产品中RAG的作用；13.如何设计Prompt？如何压制ai幻觉？14.调pro...