私企跳国企降薪，但有编，怎么选？

实习都是和内容相关的，但春招内容 hc 太少了，在想要不要把简历往电商方向美化太难了ಥ_ಥ

面试官你好，我叫汪明海，目前是中国地质大学（北京）计算机技术专业硕士在读，本科是电子信息工程专业，研究生期间 GPA 3.7，专业排名前10%。我主要专注于 Java 后端开发方向，具备扎实的基础和一定的高并发系统实践经验。在百度有一段接近一年的后端开发实习经历，期间作为模块负责人参与了一个高并发图生视频系统的开发。这个系统日活大约10万，轮询峰值达到7000 QPS。在这个项目中，我主要做了几件比较有价值的事情：架构权衡选择缓存来解决高qps的问题对大表进行分表解决海量数据问题对用户上传图片去重降低存储成本同时解决线上问题和完善监控保证系统稳定除此之外，我还独立设计并实现过一个电商交易系统，完整覆盖用户、订单、库存、支付等核心链路。在这个项目中重点解决了分布式场景下的库存超卖、接口幂等、订单状态一致性等问题，比如通过分布式锁 + 乐观锁 + RabbitMQ 实现库存控制和延迟关单。技术上我比较熟悉 Java、Spring Boot、MySQL、Redis，也有一定的分布式系统和高并发处理经验。我个人做事比较踏实，执行力强，也比较喜欢深入分析问题和做系统优化。希望能在后端方向继续深入发展，参与更大规模系统的设计和优化。围绕项目，无八股算法部署服务的方式pod 最大多少个：高峰期7k QPS： 20到30个 Pod每个pod占用的资源：API 查询和任务消费/回调合并在一个 Pod 内，这类 Pod 既有高并发读流量，又有异步写和状态更新，也就是2C4G request，4C8G limit。分表的分页表怎么做有没有更好的方案  从产品思维：根据用户会员等级，限制用户查询的数量。加入缓存遇到了哪些问题：数据的不一致性问题，具体来说，当回调主动更改缓存任务状态时，有可能更改失败，因为mysql和redis的更新不在一个事务内，这个时候ttl就发挥了作用，视频生成的平均时长是2到3分钟，ttl设置为3分钟，当任务过期就被清楚，从数据库取出最新的数据，保证了redis和缓存的一致性消费者怎么回调：消费者回调通过rpc的方式回调我们的服务，传入状态和视频结果等信息，我们的服务去更新数据库和缓存服务之间调用的输入输出  用了 rpc 的什么协议调用的：百度内部常见的 RPC 框架是 brpc。它底层一般跑在 TCP 之上，消息序列化常用 protobuf；协议层不是只有一种，百度内部常见有 baidu_std 等私有协议，brpc 同时也兼容 HTTP、gRPC、Thrift 等多种协议。HTTP 协议通常把数据组织成请求报文和响应报文。无论请求还是响应，整体结构都是请求行、头部、空行和消息体。起始行用来说明请求方法、路径、版本，或者响应状态码；头部用 key-value 的形式描述元信息，比如内容类型、长度、认证信息；空行用来分隔头部和消息体；消息体里才是真正的业务数据，比如 JSON、表单或者二进制文件。因为底层 TCP 是字节流，没有消息边界，所以 HTTP 还会通过 Content-Length 或 chunked 机制来标识消息体长度。rpc和http的区别我的理解是，HTTP 和 RPC 的核心区别在于抽象层次不同。HTTP 是一种通用的应用层通信协议，通常是面向 URL 和资源来设计接口；而 RPC 是一种远程调用模型，目标是让调用远程服务像调用本地方法一样。在使用场景上，HTTP 更适合前后端交互和对外开放接口，因为标准统一、通用性强；RPC 更适合内部微服务调用，因为通常会结合二进制序列化、长连接和服务治理能力，在性能和调用效率上更有优势。不过两者不是完全对立的，因为 RPC 也可以基于 HTTP 来实现，比如 gRPC 就是基于 HTTP/2。在这个项目中的一些不足和经验我觉得这个项目有两个比较明显的不足。第一，前期方案选型时，我们基于当时的成本、风险和收益考虑，选择了缓存方案，这个决策在当时是合理的，能快速支撑业务上线。但后面随着流量增长，我发现轮询查缓存的方式扩展性有限，后续更适合往服务端主动推送的方向演进。这个经历让我意识到，技术方案要结合业务阶段做取舍，也要提前考虑后续架构升级路径。第二，项目里对慢 SQL 的监控还不够完善，缺少及时报警机制。这样会导致数据库性能问题不能第一时间暴露。后来我复盘时觉得，除了完成功能，线上监控和告警体系也非常重要，尤其是慢 SQL、接口耗时和错误率这类指标，应该尽早纳入日常治理。所以这个项目最大的收获是，我现在做项目不只关注功能实现，还会更关注方案演进能力，以及系统上线后的监控和稳定性建设未来技术规划我对未来的职业规划，现阶段还是希望先立足于技术成长。短期内，我希望先把基础打扎实，不只是把功能做出来，而是真正理解业务，提升自己在代码质量、系统设计、问题排查和工程规范上的能力。中期的话，我希望能参与更有挑战性的项目，比如高并发场景、微服务架构、性能优化这类方向。因为我觉得这些场景能更快锻炼一个工程师的技术深度和系统性思维。长期来看，我希望自己不仅能解决具体技术问题，也能独立负责一个模块，能够把业务理解和技术实现结合起来，做一个既懂技术、也能真正支撑业务发展的工程师。如何看待和应对项目中期进度不理想、需要赶工的情况？这个问题重点是：态度 + 方法论可以这样回答：我觉得这种情况在项目中是比较常见的，关键是如何理性应对，而不是盲目加班。我一般会从几个方面处理：① 先分析原因是需求变更？技术难度被低估？还是沟通问题？② 优先级重排区分核心功能 vs 非核心功能必要时做取舍（保证主线）③ 提升执行效率拆任务，减少阻塞提前沟通依赖问题合理利用工具（包括 AI）④ 主动沟通及时同步风险和负责人一起调整计划⑤ 对赶工的态度我可以接受阶段性加班，但不提倡长期透支，更重要的是通过复盘避免以后再次出现类似问题。

给我面没招了，发点面经攒攒人品～多Agent系统与垂域大模型落地1. 中心化调度的多Agent架构中，子Agent的接口设计与结果回流机制如何保证系统稳定性？2. 纯Prompt实现的Agent范式下，如何设计评测体系以实现自动化的能力判定与迭代闭环？3. 基于外部知识检索的内容生成，为何容易出现信息复述而非独立推理？如何从算法层面解决这一问题？4. 垂域量化指标（风险/情绪类）的建模中，小样本场景下为何选择LoRA微调而非全量微调或Prompt Engineering？5. 垂域LoRA适配时，如何构造高质量监督数据以保证模型输出数值的合理性与一致性？6. 从原型验证到工程化迭代，如何平衡系统效果、推理成本与训练开销？Transformer Encoder 底层原理与训练稳定性1. 完整描述Transformer Encoder的计算流、残差连接与归一化位置设计。2. 写出多头自注意力的完整数学公式，并说明各维度的含义与变化。3. 从概率分布与梯度视角，解释scaled dot-product中除以√dₖ的必要性。4. 对比固定缩放系数与可学习缩放系数在注意力计算中的训练稳定性与表达效率差异。5. 从序列特性、padding影响、梯度传播三个角度，分析NLP中LayerNorm优于BatchNorm的原因。

春招面试复盘：滴滴二面失利，败于代码设计感与架构思维这次滴滴面试整体氛围很友好，全程没有八股文拷问，面试官全程围绕实习经历深挖细节，这部分我因为反复梳理过，回答得都比较顺畅，整体发挥稳定。一面主要考察项目拓展与细节落地，算法题也相对常规，手撕了多线程交替打印1234和三数之和，顺利通关进入二面。本以为稳扎稳打能走到最后，却在二面的手撕环节栽了跟头，也是这次失利的核心原因。二面面试官没有出常规算法题，而是让我手写一个优惠券发放API，要求实现优惠券发放、库存扣减等核心功能。刚看到题目时我愣了一两秒，随后便按照算法题的解题思路，直接上手写Controller层，把防重复校验（订单号）、防超卖（CAS+库存判断）、try-catch异常兜底等逻辑，全部堆砌在了Controller里。当时我还觉得考虑得全面逻辑通顺，自认为这部分作答没问题。直到反问环节，我询问面试官对候选人的核心期望，对方直接点明：希望写代码更有设计感，具备架构思维，先拆分逻辑再动手，而非一上来就直接堆砌代码。我瞬间明白，这正是在指出我的问题。复盘下来，我不仅把所有业务逻辑耦合在Controller层，没有做工程化的分层拆分，加上英语基础薄弱，部分变量用拼音命名，代码可读性和规范性大打折扣。即便功能逻辑实现了，但整体缺少架构分层、模块解耦的设计思维，完全是算法题的写法，而非真实业务开发的规范思路。面试结束仅十分钟就收到感谢信，结果来得猝不及防，也让我彻底认清了问题所在。如果重来一次，我一定会先梳理架构，拆分Controller、Service、DTO等层级，先规划模块、写好注释，再逐步实现逻辑，而非上来就埋头写代码。这次滴滴二面面试官要求确实更偏工程化与架构能力，而我用算法题的固化思维应对非常规业务手撕题，即便逻辑正确，也没能达到面试官的标准。接连的面试失利，也让我深刻体会到，春招卷学历、卷背景的大环境下，纯靠逻辑正确远远不够，工程化思维、代码设计感、架构意识这些软实力，才是决胜的关键，作为普通院校应届生，短板真的会被无限放大，这条路走得实在又累又难。