📍面试公司：即刻🕐面试时间：03/26💻面试岗位：全栈开发（社招）❓面试问题：1. 做一下简单的自我介绍，包括学校、技术栈、开发语言和框架？2. 介绍一下你实习期间负责的主要业务模块？3. 你在实习中主要负责哪些功能开发？4. 你擅长线上 Bug 排查，具体排查过哪些问题？5. 你做过哪些慢查询接口优化？6. 你使用过哪些大数据组件？7. 你之前做的 ETL 数据清洗流程是怎样的？8. 为什么选用 Redis 实现抽奖相关功能？9. 用到了 Redis 哪些数据结构，为什么这样选？10. 为什么要为不同倍数维护独立奖池？11. 如何通过随机数和权重实现抽奖路由？12. 为什么用 lpop 拉取令牌来实现抽奖？13. 为什么要把抽奖逻辑写在 Lua 脚本里？14. Lua 脚本如何保证原子性和并发安全？15. 细粒度奖池如何保证概率稳定、防止超发？16. 线上出现异常时如何通过插入无效令牌做风控？17. 为什么中低价值礼物和高价值礼物要做推送分流？18. 中低价值礼物横幅推送，redis批处理为什么用 pipeline 而不用 Lua？19. pipeline 如何减少 IO、提升性能？20. 礼物连击的 Redis Key 是如何设计的？21. 为什么用前缀分类 Key，如何缩小扫描范围？22. 定时任务扫描频率和数据量大概是多少？23. Redis 出现 BigKey 导致 CPU 100% 怎么处理？24. 线上 Redis 打满如何第一时间恢复业务？25. 如何快速定位 BigKey 来源？26. 单个接口异常如何做限流保护？27. 你用过 Prometheus + Grafana 监控哪些内容？28. 链路追踪中 traceId 如何生成和传递？如果让你，设计一个路追踪器，你会考虑哪些问题？29. 你在 K8s 中如何查看日志排查问题？30. 你对 Docker、K8s 了解到什么程度？31. 你在项目中如何设计熔断降级策略？32. 熔断兜底为什么选择返回“未中奖”？33. 大量请求打垮下游服务时如何防止级联故障？34. 如果让你实现一个简单熔断器，你会怎么设计？35. 你主要使用 Java 还是 Go，业务比例大概多少？36. 对 Node.js、TS 全栈开发有什么看法？37. Redis MQ 和 Kafka 的区别与适用场景？38. MySQL 索引设计主要考虑哪些因素？39. 为什么离开上一家公司，为什么换工作？40. 你更倾向做什么类型的业务，对工作地点有要求吗？🙌面试感想：又是面了社招岗位的岗，基本上没有八股文，面试体验很棒，这个面试官也会给正反馈，真的很喜欢很会在你回答完问题之后给予反馈的面试官，体验很棒，面试问题也大部分偏向场景设计也挺有价值的，当场通知面试过了tips：春招也可以投一到三年的社招岗，也可以约到校招面试

最近大厂招 Agent 工程师的岗位非常多，没有入门的朋友可能觉得“Agent不就是调调 API 吗？”Agent 不同于传统的“一问一答”式 AI，它是在对话模型的基础上增加了一个自主循环，能够根据任务目标判断“还需要做什么”，并调用外部工具执行。理想中的Agent，人类一动嘴，LLM跑断腿，在我们还喝茶打哈欠的时候就把活全干完了，但在实际落地中，想做出一个稳定可用的产品，还是有很多难点的。首先是工具的适配。在一个可用的 Agent 系统中，AI 推理只占约 30% 的逻辑，剩下的 70% 都是非AI的工程化适配。Agent 必须能够稳定处理现实世界的接口边界问题，包括 OAuth 授权、Token 自动刷新、API 速率限制以及海量数据的分页处理。同时，工具的 Schema 定义直接影响调用准确率。优秀的 Agent 需要对工具的粒度和描述进行反复调优，确保模型在面对数十个可选工具时，指令遵循依然清晰稳定。其次是多步任务的可靠性管理。在长链条推理中，错误会随步骤指数级叠加。哪怕单步准确率达到 80%，连续执行五步后的综合成功率也会降至约 32.8%。这种概率衰减意味着一个微小的幻觉就能让整个任务偏航。好的 Agent 必须具备严密的状态管理，能够在执行异常时实现自动捕获、重试或逻辑回滚。在执行关键操作前，还需要设计逻辑校验环节，防止单个步骤的偏移导致整体任务崩溃。接着是上下文的信息治理。大模型在处理长周期任务时普遍面临指令丢失的问题，尤其是在频繁的工具调用产生大量冗余数据时，核心约束容易被边缘化，导致 Agent 出现“失忆”现象。优秀的工程实践需要实现动态内存管理，精准识别并保留关键指令和历史摘要，同时剔除无意义的中间日志。通过提高上下文的信息密度，不仅能降低幻觉风险，也能在多模型路由中有效控制 Token 成本。最近开源社区非常火的 OpenClaw就是一个典型的例子。它作为一个拥有极高系统权限的 Agent 框架，可以直接操作文件和执行命令，极大地扩展了 AI 的能力边界。但在实际应用中，它的提示词工程仍有提升空间。由于权限极高，如果提示词无法精准约束模型的行为，很容易在复杂的执行链条中产生误操作甚至安全风险，且频繁触发的记忆压缩和超高的token消耗也被人诟病。这也是目前高权限 Agent 在落地时面临的核心痛点之一。总的来说，Agent 开发的本质是构建一个以模型为核心的高可靠软件系统。调通接口只是基础，真正的护城河在于你如何处理那些繁杂的非 AI 细节，包括工具层的异常处理、上下文的动态压缩以及评估体系的建立。正在找相关工作的同学，可以看看你简历上的Agent项目，有没有针对以上的痛点做了有效改进，面试官会很感兴趣的。

最近情况，百度一面挂京东一面挂阿里云一面挂蚂蚁简历挂米哈游挂拼多多笔试做崩溃美团笔试还没做阿里笔试还没做万兴科技二面面质疑目前还有快手，阿里高德面试

各位牛爷爷们，我这简历是越投越焦虑，根本不知道现在还要学什么了，问ai感觉还不如直接来问有经验的大佬😭