作为去年通过校招进入携程大住宿BU的25届Java后端开发学长，今天把压箱底的面经和真实工作体验分享出来。全是干货，建议收藏。一、面试问题我当时技术面一共两轮，加一轮HR面。第一轮：基础面- 项目深挖。面试官会一直追问“为什么这么设计”“有没有更好的方案”。我简历上有个订单系统的项目，面试官专门问了表结构怎么设计、索引怎么建、接口QPS预估多少、怎么压测、如果QPS上去了响应时间被拉长怎么优化——这些都需要你有Java后端的基本盘，比如JVM调优、多线程并发处理能力。- 手撕代码。我抽到的是LRU缓存，写完让分析时间复杂度和空间复杂度，还问了有没有其他实现方式（比如LinkedHashMap）...

焦虑ing，二本，绩点挂车尾，无竞赛就会个stm32和freertos，esp32。无竞赛，学历差。真让人焦虑。这是应付学校任务写的简历，说实在的，平衡车和nwatch都是跟着视频(铁头山羊，韦东山)复刻的。MQTT这部分让ai吹了一下，实际上我不会LVGL，就在简历抹去了。八股文没开始背，面试题还没开始看。需不需要刷一点算法？来不及了，才知道大三这个时候应该投简历了，骑驴找马，边投边学

4.21投递 一直没有部门捞，是投的太晚了还是没填内推码

1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...