360内推～拿到offer的进！

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）...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

27届Java，目前在找实习，简历求各位指导一下

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...