简历写"负责微服务架构设计"，实际就加了俩接口。面试官问"服务怎么拆的"，懵了。继续问"用Eureka还是Nacos，为啥"，答不上。当场凉。这就是"面试反噬"——你写得越牛，问得越狠。记住：简历每个技术名词都是定时炸弹。写"Redis"就得准备回答缓存穿透击穿雪崩咋解决。写"高并发"就得说清QPS多少、瓶颈在哪、咋优化的。写之前问自己三个问题——1)真做过吗？2)知道为啥这么做吗？3)能展开说细节吗？答不上就别写。然后深挖每个技术点。比如写了"用Redis优化&q...

流程走的好快timeline：3月28日被捞出来打电话约面3月30日一面3月31日二面二面后大概一两小时收到hr的口头oc~总结了下，感觉应该是实习和项目比较match部门的业务，双非找实习还是得搞一搞好的项目放简历，我已经迭代了十几次简历，从一开始很简陋的crud 组件库到现在，也算是完美地跟着小圆走了一遍找实习的辅导过程😂

为什么第一段实习都找不到😂，211本，项目一个点评一个微服务商城，

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...