成都Moka未来星二面

努力拥抱AI中…1. 实习拷打2. 视频进度的redis缓存和定时任务异步落库的方案介绍一下3. 视频进度定时任务该从redis里面扫哪些数据4. 视频进度的hash结构是采用视频章节作为key，value部分是用户id作为key，field 里面又是一个map这样的吗（这里被带偏了，真正的结构不是这样的，后面就全是被面试官追着问）5. 这个value中的map里的数据什么时候会被删除掉呢6. 那这个redis 的hash结构的map内部的key和value来去设置过期时间吗，redis有提供这样的方法吗7. 重新设计这一块的Hash结构该怎么设计，有效期该怎么进行一个设计8. 用户一个视频没有观看完，在中间就进行了一个关闭，你是怎么去判断这个关闭的9. 前端超过了10秒没有给你提交是怎么判断用户离开这个页面，有一次请求超时了丢包了该怎么考虑10. rabbitmq如何实现一个延迟功能11. 如果前端因为网络原因一直无法提交后续的，这个进度是有一部分的丢失，这个该怎么解决呢12. 简单介绍一下微途旅行的项目13. agent用到了哪些工具14. 如何管理这个agent的多轮对话，记忆化15. 会考虑做一个消息的裁剪吗16. 每一次对话都会从mysql里面把用户所有的历史的绘画全部都取出来吗？17. agent背后的调用的模型是什么18. 你再调MCP server的时候，然后你会提供了两种模式，本地的模式和sse远程的模式。为什么会有两种模式呢？19. 多节点部署的时候你的后端是怎么向后端通讯的，sse还是websocket20. SSE和websocket的区别是什么？为什么？然后你要你觉得你采用的是这个sse21. 如果你是后端是多级的部署的话，你其实又存在于多轮对话，那就意味着你的这个agent一定是一个无状态的。因为我每一次用户新的多轮对话的新的输入，它都有可能会打到不同的节点OK，你的这个agent会有问题吗？

没有手撕算法环节一面 技术面1.==和equal的区别2.主要考察的是对jvm的理解吧静态变量 实例变量 局部变量的存储在jvm哪个位置，什么时候会释放2.集合遍历的时候能删除元素吗3.SpringBean的生命周期4.设计模式 讲一讲策略模式 然后问了一下优缺点5.如何做一个接口限流 一分钟限制一百次？我答用redis在拦截器层直接做就好了 有请求过来用户标识对应的接口路径请求次数+1  用过期时间来维护一分钟然后我突然想到了边界性问题 万一是还剩五秒过期请求了80次然后过期后的五秒钟又请求了80次 不是还会突破限流吗 然后我在那里想这个 卡了一下面试官问有什么疑问吗 我重新回答了一下 说可能会临界窗口突刺 这种情况要用滑动窗口了 他说没事 不用考虑这种复杂情况 就是很简单的做限流就好了 所以考察的应该是redis的简单使用吧6.在5的基础上问的 说这个接口限流要一起给同事用 怎么操作 其实我没太听明白这道题的意思 我问了两遍啥意思 还是没太听懂 最后他引导了我一下 我答出来了 原来考察的是aop 用注解的形式对方法进行功能增强拓展7.在6的基础上问了spring三大特性应该就没了…中间可能有一点点遗漏的问题 前一段时间面的 不太记得了 但一面整体难度偏低二面 技术面纯项目 无自我介绍1.让我说说我的项目2.问我项目中用到微信支付 出现一笔订单支付两次的情况怎么办 第一次支付了回调没过来 第二次又支付了 这一点我没考虑过 我一直觉得一笔订单只能支付一次 支付过的订单就没法支付了 微信服务端会替我处理好 下来问了问ai 还真有可能出现这种情况 还是太才疏学浅了3.问微信支付回调中 如果我代码逻辑有问题 或者网络抖动 没有回调成功 边界性问题我怎么处理的我稍微答出来一点点 微信回调避免业务逻辑耦合 直接推rabbitmq处理 其它是真想不到了 因为我做的平台和pdd这种电商平台是完全不一样的 实体产品可能网络恢复后还可以做重发货处理 但我是虚拟产品 用户也不用注册没有标识 都是匿名操作 退出页面 我也没办法继续操作了 只能用户手动补偿 我觉得面试官没太理解我的项目的机制 他直接按传统的货物交易平台来直接问我经典的场景问题了 导致我对他的问题感觉无从下手 因为很多策略都不通用4.问我对ai的了解和使用5.分享一下用ai的技巧6.prompt在哪个文件里改…基本就没了 二面整体感觉强度挺大的 每一个点都要刨根问底 你回答的时候他觉得你会的就会直接跳过 然后你不会的 他就会一直逮着问 问的很具体很细致 给我营造了一种我什么都答不上来的感觉 到后面直接压力爆炸了 感觉二面应该是G了

发一下问题给大家参考，攒攒人品！1. 实习拷打2. 项目深挖3.推荐业务目前的优化目标是什么？4.多场景建模具体指什么？不同场景下用户行为有什么差异？5.这些场景是分开建模还是统一建模？特征或网络层面有没有做场景区分？6.如果特征落盘时刻上下文发生变化，是否会造成线上线下不一致？7.能描述一下从用户请求、模型训练到在线serving的完整流程吗？样本落盘机制是怎样的？8.离在线链路是分离的还是统一的？流式样本和离线样本分别如何使用？9.介绍一下RankMixer的结构原理。它与MLP、Transformer或DIN相比，核心区别和优势是什么？10.如果拓展token数量，具体如何实现？为什么token机制能实现特征的自动深度交叉？11.场景特征是直接拼接embedding，还是有独立的场景block？独立使用还是全局共享？12.如何判定模型优化效果是正向还是负向？评估方式是什么？13.所有场景样本是一起训练还是分开训练？指标是看全局还是分场景？14.超长序列建模的长度是多少？具体实现方案是什么？15.多尺度注意力指的是什么？与全序列原生attention相比有何区别？16.不同时间段的序列输出如何融合？如何平衡每个时期兴趣的权重？有没有自适应机制？

重邮是计算机科学与技术专业中外合办，学费5.7w有点小贵，联系了一个导师，据说他手下挺多大厂的，南昌大学是智能科学与技术专业，导师目前只联系到青椒，不知道会不会有点push，怕没机会去实习。佬们觉得哪个好一点0.0