狠狠拷打，燃尽了（哭）Q：介绍 Kafka 概念，如主题（Topic）、分区（Partition）和副本（Replica）Q：分区和副本在 Kafka 中有什么区别Q：副本同步过程中是否会出现同步过多或同步过少的情况？副本同步具体有哪几种方式？Q：如果一个 Topic 下有两个分区（如分区一和分区二），怎么确保消息一直只发送到指定的某个分区（例如分区一）Q：Kafka 中有一个相对复杂的 ACK 确认机制，详细说下Q：使用 Redis 进行去重请问具体使用的是哪种数据结构Q：关于滑动窗口算法：如果要用 Redis 实现，可以使用哪些数据结构？具体有哪几种实现方式？Q：项目中使用的 Redis 版本是 6.5 还是 7.0Q：Redis 持久化机制Q：介绍 Java 不同版本中的锁机制，包括偏向锁、轻量级锁、重量级锁以及无锁状态Q：介绍 AQSQ：简述 Semaphore和 CountDownLatch 的作用Q：HashMap 和 Hashtable 有什么区别？在初始化容量大小和阈值上是否有差异Q：Hashtable 的扩容机制Q：HashMap 如何解决哈希冲突问题Q：具体说一下在项目中如何使用 MCPQ：使用的模型是直接调用的现成模型，还是经过微调后的模型Q：该模型是离线部署版还是在线调用版？如果是在线调用，是通过购买 API Token 的方式吗？Q：是否了解现在比较热门的 Skill 的调用方式Q：场景题：要对接医院场景，利用 AI 辅助药师开药，主要检测孕妇或儿童用药禁忌。药师开药时，系统需通过 AI 给出建议，并生成表格或单据提前告知医院药物配伍不合理。如何结合 RAG、本地私有化大模型数据库以及 Skills 实现这一方案Q：在上述场景的知识库选型中，您会选择向量数据库、传统的键值对数据库，还是结构化数据库？Q：假设目前没有现成的药品禁忌信息，只有大量的文献数据。鉴于你对大数据和数据清洗的了解，请问如何从这些文献中获取并提取出我们需要的关键信息Q：基于上下文的展示部分，前端界面是你们自己开发的，还是使用现成的工具直接展示的Q：使用任何主流 AI 模型（如通义千问、字节豆包等）生成的基于前端文档的输出，通常是什么文件类型Q：叙述一下你的系统如何实现多场景对话、自动答疑、操作指引以及场景切换功能Q：大模型默认是没有上下文记忆的，你的系统中上下文功能如何实现Q：在记录了历史对话后，系统如何基于上文的上下文信息来生成新的答复Q：一般情况下，如果一个对话框内的历史记录超过上千条，响应速度是否会变得特别慢？如何优化Q：如果现在让你去研究并落地刚才提到的“合理用药”方向，预估自己需要花费多长时间Q：如何理解可维护性、可扩展性和可观测性？在你的项目中如何具体实现这三点Q：在大数据方面，是否部署或使用过 Flink 或其他相关组件Q：docker logs 命令是做什么的？docker cp 命令是做什么的？Q：docker cp 是否支持双向拷贝？即能否将宿主机的配置文件拷贝到容器中，或者将容器中的文件拷贝到宿主机？Q：介绍 docker build 和 Dockerfile 文件Q：之前 Java 实习过程中用过哪些设计模式Q：具体说明模板方法模式的作用Q：简述建造者模式

在当前开源项目极为丰富的背景下，付费资源并不一定意味着最前沿的技术优势，在具体执行层面展示出自己的独特价值，才是简历上最重要的加分项。1. WebMCP — 让网站主动告诉 AI 该怎么操作AI 操作浏览器的方案一直靠"猜"——截图识别、DOM 解析，错误率 15-30%。WebMCP 反过来，让网站自己声明能做什么，AI 直接调用结构化接口，准确率接近 100%。Chrome Canary 已实装。企业内部系统的 WebMCP 适配目前几乎没人做，是明确的蓝海。推荐理由：简历上写的不是"我会用某个框架"，而是"我在标准刚发布时就做了企业适配&...

之前做精铺，现在打算往精品方向发展，面试多家没有收到一个offer，面的要崩溃了，底线不断降低，面助理都面不上，薪资甚至跟我之前的一样

作为大四后端开发，一边实习写业务、改 bug，一边投简历、刷算法、等面试，很容易两头乱。核心是：实习稳住基本盘，摸鱼间隙刷高频题，晚上集中投简历 + 复盘。不裸辞、不摆烂，用项目经验当筹码，边练边面，稳步拿到更合适的 offer。#如何一边实习一边找下家？#