最近大家都在简历里塞AI和Agent项目，但面试官拷打的重点早就不是你会不会调大模型API了，写篇避坑指南给大家参考。首先，核心拷打点绝对是“业务落地价值”，你做的这个AI功能到底是伪需求还是真提效？比如结合具体业务的自动化诊断，到底比传统规则引擎准多少、快多少？其次是工程架构能力，面试官会死磕你的上下文管理和长记忆怎么设计的，如果是做Agent应用，你的Prompt工程怎么迭代、向量检索召回率怎么优化、并发调度怎么处理的？第三个高频问题是“兜底机制”，大模型经常幻觉，你的系统在面对脏数据流或者复杂边界条件时，有没有降级策略？ 最后就是性能调优，流式输出的延迟怎么降下来的？很多朋友平时习惯了用...

我觉得我经历很丰富啊，为什么在西安只有7k😭

😭😭被拷打麻了，手撕还不是hot100

写在前面：本文整理我做 Image Harvest 这个 Chrome 插件过程中踩过的坑，主要包括 Manifest V3 迁移、Shadow DOM 深度提取、客户端感知哈希、Side Panel API 适配等。希望对正在或准备写 Chrome 插件的同学有帮助。一、Manifest V3 vs V2 的那些破事V3 出来好几年了，但中文 MV3 实战资料还是偏少。我踩过的几个迁移痛点：1.1 service worker 替代 background pageV2 时代的 background page 是常驻的，可以放全局变量、长连接。V3 改成 service worker，默认 3...