决赛圈了

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.请实现一个AI对话气泡的CSS布局，要求头像固定在左侧，对话内容在右侧自适应，且内容过长时自动换行。2.在AI场景中经常使用SSE(Server-Sent Events)，请简述它与WebSocket的区别。3.请手写一个简单的打字机效果函数，模拟AI逐字输出的过程。4.在处理 A返回的大量文本时，如何防止页面因频繁更新而卡顿?5.如何使用FetchAPI实现对流式数据的读取和中断?6.介绍一下Promise.all和Promise.allSettled的区别，以及在Al多模型调用场景下的选择。7.算法题:给定一个包含对话记录的数组，每条记录有id和parentld，请将其转换为树状结构。8.CSS中如何实现一个文本打字时的光标闪烁效果?9.解释一下什么是XSS攻击，在渲染AI生成的HTML内容时如何防范?10.在React中，为什么要避免在循环或条件语句中调用Hooks?

一、AI 基础知识（核心入门层级）1. 大模型基础核心概念- 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）2. 大模型关键能力- 核心能力：文本生成、代码生成、多模态理解（文生图/文生视频）、知识问答3. 前端视角核心应用（入门落地）- 模型调用：API 调用大模型方法- 流式处理：SSE/WebSocket 流式输出处理技巧，可结合缓冲区+分段解析机制优化体验- 成本优化：Token 消耗优化方法二、AI 进阶技术（能力提升层级）1. Agent 核心技术- 定义：可自主规划、调用工具、完成复杂任务的 AI 实体（代表：Coze 扣子、TRAE）- 前端视角：Agent 交互界面设计、多轮对话管理，可借助 A2UI 协议实现 AI 驱动的界面动态渲染2. RAG（检索增强生成）- 核心：结合私有知识库，提升大模型回答精准度与可控性，本质是“检索-增强-生成”的闭环流程- 前端视角：RAG 检索过程可视化展示、检索结果与模型输出的联动呈现3. 多模态 AI 技术- 核心定义：文本、图像、音频、视频的融合生成与理解（代表场景：剪映 AI 生成、实时交互）- 前端视角核心技术：Canvas/WebGL 渲染、WebGPU 加速（提升渲染性能）；WebRTC 实时流处理（支撑实时交互）；多模态内容预览、编辑功能实现（适配前端交互场景）三、AI 工具链及应用场景（落地实践层级）1. AI IDE 开发（TRAE、Cursor 方向）- 核心定位：端到端生成真实软件的智能协作平台- 前端职责：AI 功能交互（代码生成/理解/问答）、IDE 内核开发、插件生态搭建- 核心技术栈：React/TypeScript、WebAssembly、Monaco Editor、WebSocket/SSE2. Agent 平台开发（Coze、HiAgent 方向）- 核心定位：新一代 AI Agent 协同办公与应用开发平台- 前端职责：LLM 驱动的 Agent 框架实现、多 Agent 协同界面、可视化编排工具开发- 核心技术栈：React/Vue、状态管理、可视化编辑器、实时通信3. 多模态创作与交互（剪映、抖音方向）- 核心定位：生成模型优化、多模态内容合成、实时交互体验提升- 前端职责：AI 生成内容预览、实时滤镜/特效、多模态编辑界面开发- 核心技术栈：WebGL/WebGPU、WebRTC、Canvas、性能优化（FPS、内存）4. AI + 全栈开发（小红书、美团方向）- 核心定位：AI Coding 工具辅助，完成前后端开发、测试、部署全流程- 前端职责：全栈开发、AI 辅助需求分析与方案设计、提升开发效率- 核心技术栈：Node.js/Python、前后端协作、CI/CD、AI 工具深度使用5. 可视化与 AI 交互（同顺方向）- 核心定位：大模型应用可视化交互、RAG/Agent 工作流演示- 前端职责：可视化 Prompt 编排、多轮对话可视化、模型输出调试界面开发- 核心技术栈：ECharts/D3.js、流程图库、实时数据渲染、响应式设计

自我介绍 八股没问实习1. 上一段实习做的都是些内核优化吗？2. 都在 Windows 环境吗？没涉及 Linux？3. 内存优化是什么背景？4. 上一段实习 Base 是在深圳南山吗？可以来上海小红书吗？场景题1. 有一个进程上线服务，发现某个线程没有崩溃，查看日志没有任何异常，但是响应用户很慢，不能停掉这个服务，怎么排查？2. 一个程序 CMake 和 Make 发现有 undefined 的行为，怎么排查？手撕1. LeetCode 695 岛屿的最大面积2. 多线程场景如何优化？闲聊1. 计划实习到什么时候？2. 为什么不保研？3. 学过 Linux 的机制吗？内存管理/进程之类的？4. 反问总结基本无八股，纯场景。当然是把我难住了...哈哈哈哈....手撕也只撕了个 dfs，不知道怎么练了...

3.16  一面     两个小时后约二面3.20 二面    等了一周约的三面，手撕hot100没写出来，可能是看一面面评还可以才给过的3.30 三面   一个小时后oc  晚上offer要求4.8到岗，没法调整时间。已经接了offer了后续会补一下具体的面经三面一、开场与基础信息先请你简单做个自我介绍吧。咱们这个岗位偏数据库、基建方向，和你之前偏业务的经历不同，对这块领域你有什么了解吗？数据库及数据库中间件方向，你大概知道日常需要做哪些工作、需要了解哪些知识吗？有什么自己的理解？二、分库分表相关你用过 ShardingSphere 吗？自己在项目中有用过分库分表吗？当时为什么要去做分表？做了分库分表以后，除了解决数据量过大的问题，对你的使用带来了什么影响？分库分表场景下主键唯一性的问题，有什么解决办法？仍然使用数据库自身主键的情况下，分库分表场景下可能会有什么问题？你有做过分库分表扩容吗？扩容的时候分表数量有变化过吗？假设让你实现分库分表的扩容逻辑，你觉得方案大概是怎样的？数据在不同表之间搬迁的时候，主键有没有可能冲突？三、分布式事务相关项目中遇到过分库分表带来的分布式事务问题吗？你是怎么解决的？分布式事务解决方案里你哪些比较了解，可以深入展开？实际项目当中你用的是哪一种分布式事务方案？两阶段事务提交的 TC 是业务侧自己的服务吗？在京东实习的时候遇到过分布式事务相关问题吗？四、GC 问题与线上排查你之前遇到过频繁 Full GC 的问题，当时是怎么排查的？这个 SQL 一开始就写错了，测试阶段没验证出来吗？一个查询返回 1000 多条数据，应该不至于造成频繁 Full GC 吧？当时只看了服务应用的监控，能看到数据库的监控吗？平时开发当中会看数据库的监控吗？数据库有哪些比较关键的监控指标？结合你这个 GC 案例，如果看数据库监控，哪些指标可能会异常？当时有看过这条 SQL 确实很慢吗？除了慢日志，还能想到什么其他异常指标？应用机器的系统指标（CPU、内存、网络带宽）当时会看吗？当时网络带宽有变化吗？五、编程语言与技术栈你主要用 Java，也提到用过 Go，其他语言比如 Python、前端有接触过吗？项目开发中你会去写前端的东西吗？你自己的练手项目有前端部分吗？六、AI 辅助开发相关开发过程中你一般会怎么使用 AI（Web Coding）？有具体用 AI 辅助完成项目的案例吗？AI 写的代码不符合预期、有 bug 时，你怎么跟 AI 交互修正？有用 AI 做过问题定位的工作吗？现在再遇到当时 Full GC 宕机的问题，想借助 AI 排查的话会怎么做？非公式化的特定场景问题，AI 怎么帮助定位问题？人怎么去干预、配合 AI 完成问题定位？