许愿浦发

AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

上来先写算法，让写个快排，磨蹭半天没写出来，问能不能写归并，结果归并半天也没写出来。然后让写个单例模式，也没写出来，到这里已经开始跟面试官对着尬笑了，到现在也没结果，应该是挂了讲一下 ConcurrentHashMap ？讲一下 ThreadLocal ？MyBatis 中 Mapper 接口为什么不需要实现类就可以直接调用？ （动态代理）秒杀场景中如何解决超卖问题？秒杀场景中如何解决少卖问题？如果 Redis 中库存数据丢失了该如何处理？介绍一下 RAG 的整体流程除了向量召回，还有哪些文档召回方式？当用户问题与文档语义相近但无法召回时如何优化？（对用户问题进行改写）MySQL 中常见的索引...