找不到大厂实习去小厂也不错的

1. 自我介绍2. RocketMQ 里顺序消息、普通消息、事务消息分别适合什么场景，为什么不能混着用普通消息适合最终一致、无严格顺序约束的场景，比如日志分发、画像更新、通知投递。顺序消息适合同一业务键必须按时间线推进状态的链路，比如同一工单、同一订单、同一会话的状态演进，但顺序消息的吞吐和容错设计会受到队列粒度限制。事务消息适合本地事务与异步投递之间要建立“发送承诺”的场景，比如主库先落事实，再由 MQ 推动旁路索引或下游补偿。三者不能混着用，是因为它们解决的问题不同，消费模型、失败恢复方式和成本模型也完全不同。3. 如果 RocketMQ 出现消息积压，你会怎样定位，不要只说“扩容消费者”...

投递150+，中大厂基本简历关过不了，500-999有面试机会。已麻，准备考研92了😭

比预想中晚了一周，时间过得真快啊，感觉越学越多，目前这版简历下周直接开投了，两个项目都是自己用AI敲的，欢迎各位继续拷打，也是在共同交流学习吧。目前可以说出项目架构业务，自己亮点设计的一些思考，技术实现以及技术选型原因，量化指标也准备了一套说辞，但深挖代码估计就寄了；八股过了一遍，属于基本能说点原理理解，但深挖细节估计也寄了；算法简单了解一些整体思路，但手撕估计也寄了；AI可以吹下项目相关的工程实现和一些技术选型，但深挖技术肯定就寄了。总之，基于自身学习状态考量，先投些小厂继续学吧。有道是：“人生南北多歧路，一处春山一路平。”

更像项目深聊，没有八股和编程题这场阿里云 AI Infra 三面，整体感觉和前两面不太一样。前面几轮多少还有一些“项目追问”的紧张感，这一轮更像是一次围绕经历、学习路径和工程实践展开的深聊。面试官上来没有直接问技术细节，而是先从我导师现在在做什么、我为什么会从偏深度学习慢慢转到 AI Infra 这个方向聊起，也问了我本科阶段做的东西、现在在做的东西，和导师那边的研究之间到底有什么关联。我这里主要是把自己的路线讲清楚：不是突然转方向，而是从做模型、做工程、做性能相关的事情慢慢往更底层走，最后发现自己确实更喜欢算子优化、系统性能和工程实现这类工作。整体上，这一段更像是在看你的路径是不是自洽。后面...