约不到面试求拷打

AI基础知识大模型基础核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）。关键能力：文本生成、代码生成、多模态理解（文生图 / 文生视频）、知识问答。前端视角：如何通过 API 调用模型、如何处理流式输出（SSE/WebSocket）、如何优化 Token 消耗。Agent 与 RAGAgent：能自主规划、调用工具、完成复杂任务的 AI 实体（如 Coze 扣子、TRAE）。RAG（检索增强生成）：结合私有知识库，让大模型回答更精准、可控。前端视角：如何设计 Agent 交互界面、如何展示 RAG 检索过程、如何做多轮对话管理。多模态 AI核心：文本、图像、音频、视频的融合生成与理解（如剪映的 AI 生成、实时交互）。前端视角：Canvas/WebGL 渲染、WebRTC 实时流、WebGPU 加速、多模态内容预览与编辑。

美团一面（一）开放/实践类日常工作中从接到需求到开发上线的完整开发链路是否使用 AI 辅助编程、具体使用的工具及工作流开发过程中遇到过哪些难以解决的问题，具体是如何分析并解决的问项目（二）JS/TSJS数据类型介绍数组的遍历方式及区别不同遍历方式的性能对比interface 和 type（三）框架 Vue2 和 Vue3 的差异（四）手撕用排序实现数组中第K个最大元素美团二面（一）开放/实践类印象最深刻的项目 / 需求，阐述遇到的问题、解决过程问项目（二）前端性能/浏览器原理解释首屏 / 白屏（FCP/LCP）白屏问题的排查思路前端本地存储（三）框架nextTick的含义、作用（四）手撕快乐数...

本科是普通双非，由于全部精力都放在考研，没有实习，没学什么技术栈，就大三的时候学了后端那一些内容。这是我的简历，想听听大家的意见

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花一、设计思路Redis 的 Set（集合）具有元素唯一、支持随机获取的特性，完美契合抽奖系统的核心需求：去重参与：Set 自动去重，避免用户重复抽奖；随机抽奖：通过 SPOP/SRANDMEMBER 命令随机抽取中奖者；高效统计：SCARD 命令快速获取参与人数；结果存储：不同奖项的中奖名单可存入不同 Set，便于管理。核心命令说明：SADD key uId添加用户到抽奖集合（重复添加返回 0）用户参与抽奖SCARD key获取集合元素数量统计参与人数SPOP key N随机...