继续来分享下最近的面经~欢迎友好讨论，信息共享1.prompt如何生成的2.大模型产生幻觉的原因和解决方式3.如何增强大模型的code review能力（微调模型？拆分问题报告？）4.了解openclaw么？它和其他大模型有什么不同5.用过哪些AI，cursor生成代码的底层原理是什么？如果让你设计，你会怎么做？6.Skill了解吗？MCP是什么？7.HashMap的线程安全问题是什么？多个线程同时put会发生什么？和ConcurrentHashMap的区别是什么?8.输入一个网址访问网页经过了哪些协议？整体流程是什么？9.MVCC是什么？原理是什么？它是如何作用的？10.JVM的内存区域划分？其中栈的作用是什么？11.手撕：leetcode437：路径总和

笔试一年，依旧不知道怎么求gcd这次绝对记住了

暑期实习投递进入关键期，更新一波最新动态小红书：笔试通过，一面聊得很顺畅，等待二面通知滴滴：简历筛选通过，笔试通知已收到字节跳动：刚投递，内推简历优先审核美团：笔试挂，数据挖掘题难度超出预期快手：HR 电话沟通后，安排下周一面知乎：投递后无反馈求小红书数据挖掘一面后续流程！多久出二面结果呀？

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了