大厂其实就是学历厂

1.自我介绍2.深度参与项目，产出3.OCR为撒做文件识别；部署的哪个4.传统的读取pdf docx api sdk有用过吗5.文本内容为啥还要用ocr6.pdf 图片内容；图片，图表的理解，怎么做；饼状图，折线图怎么提取语义信息7.ocr背后的原理，给一个饼图，然后怎么输出内容8.是否真的了解怎么识别 占比 类比这样的语义识别9.有看过ocr调用，语义保留这样的指标的评估10.怎么做评估；完全识别的指标又是怎么评估；九十分一百分怎么打分完全识别11.图表识别怎么评估打分，怎么评判，有哪些依据12.为啥选768维度13.讲下embedding模型，怎么做embedding14.embedding模型底层；什么是token；为撒100wtoken最大token数15.大语言模型参数了解吗；在显存消耗的哪个层面消耗的16transfomer词表是怎么构建的吗17.ES怎么构建的；这里面的关键词怎么构建的；BM25基于什么原理18.一部分milvus语义召回，一部分ES关键词召回；怎么返回用户的19.精排维度是多少，原理是什么20.rerank精排基于什么；为撒精排效果更好21.你觉得这些策略涉及有哪些问题；讲了四个问题权重；向量维度；双向量检索的策略；切分策略（切分维度）22.针对上述的你提的问题，说出自己解法23.最核心的一个指标的什么；最核心的指标；归纳出最核心的一个综合指标24.function calling mcp skill，解释概念；用到什么场景；分别解决了什么问题答得不好25.prompt engining ，context  engining，hareness enginering 解释什么问题答得不好26.抽象类和接口却别27.jvm内存回收；什么情况下适合标记清除，什么标记整理28存活时间怎么定义这里列下六个ai概念和解释24. Function Calling、MCP、Skill：概念、场景与解决的问题这三个概念其实代表了 AI 智能体（Agent）与工具交互的三个不同层级：底层协议、通信标准、业务封装。1. Function Calling (函数调用)概念：这是大模型的一种底层能力。它让模型不仅能输出文本，还能输出结构化的数据（如 JSON），告诉程序“我要调用哪个函数，参数是什么”。解决的问题：解决了“模型说不清楚，程序读不懂”的问题。它打破了模型只能聊天的限制，让模型有了“手”，能触发外部动作。场景：简单的工具调用：查天气、计算器、查询数据库。提取结构化信息：把用户的一段话转换成 JSON 对象。2. MCP (Model Context Protocol，模型上下文协议)概念：由 Anthropic 提出的标准化通信协议。你可以把它理解为 AI 界的 USB-C 接口。它定义了一套标准，让 AI 应用（Client）能统一地连接到各种数据源和工具（Server）。解决的问题：解决了“连接碎片化”和“上下文孤岛”的问题。以前每接一个工具都要写一套适配代码，现在只要工具支持 MCP 协议，AI 就能直接连，不用重复造轮子。场景：企业级应用集成：统一连接本地文件、Google Drive、Slack、GitHub 等。跨平台工具共享：开发者开发一个 MCP Server，所有支持 MCP 的 AI 客户端都能用。3. Skill (技能)概念：这是面向业务的能力封装。它通常是一个包含指令、脚本、资源和提示词的“文件夹”或集合。Skill 往往基于 Function Calling 构建，但更复杂。解决的问题：解决了“工具零散，无法完成复杂业务”的问题。它把一个个原子化的函数（如“查航班”、“查酒店”）组合成一个有意义的业务能力（如“订机酒套餐”）。场景：复杂任务处理：比如“帮我策划一次旅行”，Skill 会自动规划步骤，依次调用查天气、订机票、订酒店的函数。垂直领域专家：比如“法律助手 Skill”，里面封装了查法条、写文书的特定流程和提示词。📌 总结对比表表格概念本质定位核心解决问题形象比喻Function Calling底层交互协议模型输出结构化指令神经信号（告诉手要动）MCP通信与调度层统一连接标准，避免重复开发USB 接口（通用插头）Skill业务能力层复杂任务编排与封装操作手册（怎么做菜）🧠 25. Prompt Engineering、Context Engineering、Harness Engineering这三个概念代表了 AI 应用开发从“手工作坊”到“系统工程”的进化过程。1. Prompt Engineering (提示词工程)解释：这是最早期的阶段。核心是“写咒语”。通过精心设计自然语言指令（如“你是一个专家，请一步步思考...”），引导模型输出更好的结果。局限：它是一次性的、静态的。如果任务太复杂，光靠一段话很难控制模型。2. Context Engineering (上下文工程)解释：这是目前的主流趋势。核心是“构建信息流水线”。它不再只关注那一句提示词，而是关注如何把最有效的信息（知识、历史、工具描述）在恰当的时机喂给模型。它包括 RAG（检索增强）、记忆管理、摘要压缩等技术。解决问题：解决了模型“记性差”、“知识过时”和“幻觉”问题。它把模型从一个“聊天机器人”变成了一个“拥有外部知识库的专家”。3. Harness Engineering (编排工程/智能体工程)注：Harness 在这里通常指“智具编排”或“系统 harness”，类似于 LangChain 或 AutoGen 这类框架所做的工作。解释：这是最高阶的阶段。核心是“系统级管控”。它不仅仅是给信息，而是设计一个工作流。比如：先让模型 A 写代码，再让模型 B 审查代码，如果报错再让模型 A 修改。它涉及多智能体协作、循环反馈、工具调用的逻辑编排。解决问题：解决了复杂任务的自动化执行和可靠性问题。📌 一句话总结进化史Prompt Engineering：教模型“怎么说话”。Context Engineering：给模型“参考资料和记忆”。Harness Engineering：给模型“ teammates（队友）和工作流程”。

龙虾还没安装，现在又来到了Hermes时代了，这是AI讨论最火热的方向之一，下面教大家动手实操！速速mark住！简单上手，且免费对学生党友好！ 一、为什么是 Hermes Agent？ 2026 年 AI 圈有句话："模型智力已经在线，现在比拼的是 Harness（模型外围的运行时与基础设施）。" 翻译成人话：ChatGPT / Claude / DeepSeek 这种"模型"已经够聪明了，真正能拉开差距的，是你有没有能力把模型包装成一个能自己跑起来、会调工具、会记事、会自我改进的系统——这个系统就叫 Agent，承载它的基础设施就叫 Harness。 ...

问题 1 请先做个简单的自我介绍，并详细说说你在项目中是如何利用Redis和消息队列处理高并发抢券/秒杀场景的？问题 2你在项目中使用的分布式锁经历了怎样的演进过程？请结合JMeter的压测数据，谈谈最初的Redisson方案是如何实现一人一单的，以及它是怎么处理超卖回滚的？问题 3请详细解释一下Redisson分布式锁中的“看门狗（Watchdog）”机制是如何工作的？它的触发条件和底层续期逻辑是什么？问题 4如果不直接使用Redisson，让你自己手动编码实现一个类似“看门狗”的自动续期机制，你会怎么设计这套逻辑？问题 5既然Redis本身支持设置Key的过期时间，那我们为什么不能直接依赖这个自动过期时间来释放分布式锁？完全依赖超时自动释放会有什么隐患？问题 6在预扣减Redis库存成功后，如果由于网络故障或RabbitMQ宕机导致消息发送失败，数据库没有成功落库，这种情况下的数据不一致问题你是如何保证兜底解决的？问题 7你提到方案经过了优化，请问从纯分布式锁优化为Lua脚本方案后，系统的QPS具体提升了多少？性能翻倍的根本原因是什么？问题 8使用Lua脚本嵌入Redis执行确实能大幅提升并发性能，但在工程实践中，编写和维护Lua脚本存在哪些弊端或需要注意的风险？问题 9你提到项目中大量使用了MyBatis Plus，那么请问MyBatis底层是如何防止SQL注入的？它的核心原理机制是什么？问题 10在使用MyBatis Plus进行数据分页查询时，它的物理分页底层是如何实现的？拦截器（Interceptor）在这里起到了什么核心作用？问题 11框架在进行物理分页时，具体的分页参数（如当前页码、每页大小）在应用层和底层之间是如何封装和传递的？问题 12除了MyBatis Plus，你平时还会去主动研究哪些主流框架的底层源码？能分享一下你最熟悉的框架源码机制吗？问题 13当你在项目中需要引入一个新的中间件或技术栈时，你的学习和落地路径是怎样的？你会如何平衡AI辅助工具和官方文档的使用？问题 14在日常开发排错和遇到复杂的系统性能瓶颈时，你通常会如何利用AI工具？有什么核心决策是你绝对不会完全交由AI去决定的？问题 15你在设计分布式锁的Key时，曾和AI的建议产生过分歧。请结合具体的业务安全场景（如防黑产刷单），谈谈你是如何权衡纯粹的“技术并发度”与真实的“业务安全性”的？问题 16结合你的项目开发经验，谈谈你为什么深度依赖Spring Boot框架？它的核心设计优势（例如自动装配）在底层是如何实现的？问题 17请深入讲解一下Spring的IOC容器是如何管理Bean的生命周期的？特别是遇到带有AOP增强的循环依赖时，三级缓存是如何精妙运作来解决这个死循环问题的？问题 18在处理系统中大量重复的公共字段（如创建时间、更新人）时，你是如何利用自定义注解结合Spring AOP和反射机制，实现无侵入式自动填充的？算法题用java实现lru

1.先简单自我介绍一下吧？2.你实习中这个项目的落地会经过那些过程？3.你讲一下你最近这段实习主要负责的事吧？（四会）4.你简历上写了你掌握这个JMM和JVM，说一下他们的区别吧？5.有了解过SpringAop的实现原理吗？6.你谈到了SpringAOP的实现机制，那你讲一下cglib和jdk的区别，以及他们的效率哪一个更好？7.常见的垃圾回收器有哪些？8.zgc有了解过吗？9.将一下这个双亲委派机制吧，他有什么作用？10.这个双亲委派机制它涉及到了那些类加载器？11.我对你简历上这个AI项目比较感兴趣，你能谈一下吗？12.你上面说用到了很多技术RAG，这个RAG他是什么？13.RAG工作流程...