求佬们看看这份简历可以约到面吗 目前海投无面

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花Redis的网络IO核心是IO多路复用模型，并根据版本迭代做了单线程/多线程的优化分工，整体设计兼顾了高并发、低延迟和实现简洁性，也是Redis能支撑海量连接的关键所在。一、核心定位：IO多路复用是底层根基IO多路复用的核心逻辑是：用单个线程/少量线程监控多个网络套接字（Socket）的读写状态，只有当某个套接字就绪（可读/可写）时，才进行实际的IO操作，避免阻塞等待单个连接，大幅提升CPU利用率。Redis没有采用多线程阻塞IO、异步IO等方案，而是基于IO多路复用做定制化...

### 27 届实习生招募｜如果你已经把 AI Coding 当成日常，我们想和你聊聊如果你对实习的想象还是：接需求、写接口、改 bug、做边角功能。那这次的岗位，**可能会不太一样**。随着 AI 技术快速发展，**软件工程的范式正在被重新定义**。未来的工程师，不再只是把 PRD 翻译成代码的人，而是能够端到端解决复杂问题的**系统构建者**。我们是一个建设 **核心电商系统技术底座** 的团队，直接支撑淘宝天猫的商业运转效率。我们做的事情，不是「为了 AI 而 AI」，而是把大模型、Agent、RAG 等前沿技术真正落到真实业务场景，让智能系统创造**可衡量、可验证的商业价值**。---### 在这里，你可能会参与的事情- **深入真实业务场景**- 做需求理解、数据分析和问题归因- 把模糊的业务痛点，转化为可落地的 AI 解决方案- **设计与实现 AI 原生系统**- 参与 Agent 系统核心模块建设- 搭建知识库、记忆系统、工具调用链路和 API 交互环境- **打造关键智能能力**- 实现意图识别、任务拆解、反思纠错、工具编排等能力- 让系统具备端到端解决问题的能力，而不仅是回答问题- **建设评测与观测体系**- 搭建自动化评测、回测和观测体系- 推动效果持续收敛与可解释、可优化- **优化工程与性能**- 在高并发场景下打磨性能、稳定性和工程可用性- 让智能系统真正经得起「线上大规模业务」的考验简单来说，你做的不是「一个 AI demo」，而是面向**真实商业环境**的**智能系统工程**。---### 我们能提供什么？- **1）顶级模型基础**- 直接接入最先进的基础大模型能力- 不只是调用 API，而是有机会参与到体系化工程方案中- **2）算力和调用自由**- 少一点 quota 焦虑，多一点大胆实验- 我们希望你的想象力，不被 token 限制- **3）面向 AI 时代的成长路径**- 从「技术实现者」成长为「智能系统架构师」- 更看重你：定义问题、构建系统、推动技术价值落地的能力---### 我们在找什么样的你？#### 基础要求- **学历背景**- 2027 届应届毕业生- 计算机 / 软件工程 / 通信 / 人工智能等相关专业优先- **AI 编程工具重度玩家**- 熟练使用 Cursor、Claude Code 等- 具备较强的 Prompt 编写和调优能力- 有完整「项目级」开发经验，而不只是写过几段脚本- **理解 LLM 能力边界**- 知道模型擅长什么、不擅长什么- 知道什么时候该靠模型，什么时候该用确定性逻辑兜底- **熟悉常见大模型应用范式**- Context Engineering / Prompt Engineering- Agent 与工具/函数调用- 主流 Agent 框架（如 LangChain 等）- 对大模型幻觉、Prompt 注入等风险有基本的工程化应对思路- **扎实的代码和工程能力**- 至少在 Java / Python / JS 中的一种有深入实践- 能把想法落到稳定可维护的工程代码里#### 加分项- **有实际落地的 AI 应用 / Agent 项目**- 如 RAG、多智能体、MCP、Skill 等项目经验- **有可展示的成果**- 项目 / 实习成果 / 开源作品等- 在 Github、技术博客或技术社区有内容输出或一定影响力- **对 AI Infra 有一定理解**- 如 vLLM、Ollama、KV Cache、流式输出、延迟优化等相关经验或理解- **有相关理论或训练经验**- 具备一定 NLP / CV 理论基础- 或有 SFT、RL 等训练实践经验---### 我们特别看重的特质- **学得快**- 能啃论文，也能把想法写成工程代码落地- **动手能力强**- 不只会说，更愿意自己去做 demo / 做项目- **好奇心与想象力**- 能提出好问题，也能把问题拆解并解决- **对技术有审美**- 追求简洁、优雅、打动人心的技术方案- **高能动性**- 主动探索，不等任务「掉下来」- 愿意尝试新方向，也能对结果负责---### 如果你是这样的人，欢迎来聊如果你已经不满足于「调用一个 API 做个套壳应用」，如果你想真正参与构建 AI 在真实核心业务中的**系统级落地**，我们非常期待和你聊聊。**面向 27 届实习生，招募中。**感兴趣可以私信 / 评论区交流（也欢迎附上 GitHub、项目链接、个人介绍）。

一、基础与中间件Q1：线程池的参数一般怎么设置？依据是什么？A：主要看任务是 IO 密集型还是 CPU 密集型。IO 密集型可设核心线程数为 2N（N 为 CPU 核数），CPU 密集型设为 N+1；最大线程数和队列长度根据业务负载调整，拒绝策略按场景选择（如丢弃或由提交线程执行）。✅ 思路正确，但未明确“N 是 CPU 核数”，且拒绝策略表述可更规范。Q2：G1 垃圾回收器的设计原理是什么？A：先初始标记 root 对象，再并发标记，然后重新标记修正，最后回收被标记对象。优化可调大堆内存减少 GC 频率。⚠️ 流程大致对，但未提 G1 核心机制（Region 分区、Remembered Set、Mixed GC），术语不够准确。Q3：MySQL 可重复读（RR）下如何避免幻读？A：InnoDB 通过 MVCC 和加锁机制防止幻读。✅ 方向正确，但未说明具体是 Next-Key Lock（记录锁 + 间隙锁） 实现。Q4：SQL 走了索引还是很慢，怎么优化？A：先看执行计划是否真走索引（避免隐式转换、最左匹配失效）；若数据量大，考虑分库分表；还可加缓存，用消息队列更新缓存。✅ 思路完整，覆盖排查 → 架构 → 缓存三层优化。Q5：如何保证缓存（Redis）和数据库的一致性？A：更新数据库后删除缓存；读时若缓存为空，再查 DB 并回填。实习中也用过“写 DB 后更新缓存”。⚠️ 未明确推荐方案是 “先更新 DB，再删缓存”（Cache-Aside 模式），后者易引发脏读。Q6：Redis 缓存雪崩怎么解决？A：给缓存设置随机过期时间；热点 key 更新时加锁，只让一个线程重建缓存，其他等待。✅ 回答清晰，覆盖主流方案（过期打散 + 互斥重建）。Q7：Kafka 如何保证消息不丢失、不重复消费？A：不丢：靠副本机制和磁盘持久化（默认保留 7 天）；不重：业务层做幂等，比如用达人 ID 去重。✅ 工程实践优秀，结合 Kafka 特性与业务兜底。Q8：Spring AOP 如何实现方法耗时统计？A：自定义注解，在切面中记录方法执行前后时间，计算差值。✅ 完全正确，简洁实用。二、项目与实习Q9：请讲一段你实习中做得比较关键的项目。Q10：项目中有用到事务吗？如何保证一致性？三、AI 与开放设计Q11：MCP 是什么？A：MCP 是一种协议，统一封装 AI 调用外部工具的能力（如查天气），类似 USB 接口，便于插拔扩展。✅ 理解准确，类比形象。Q12：如果让你用 AI 优化教务系统，你会怎么做？A：针对教师排课，AI 可自动分析课程依赖关系，生成多套排课方案并给出推荐理由，减轻老师负担。✅ 抓住核心痛点（排课复杂），有业务思考；可补充更多场景（如智能选课、毕业审核自动化）。四、行为与规划Q13：你未来的职业规划是什么？A：坚定走后端方向，前期深耕业务与技术栈，后期考虑往技术深度或管理发展。✅ 方向清晰；⚠️ 可更具体（如“希望深入分布式系统或云原生架构”）。Q14：你有什么想问我们的？A：询问部门具体负责哪个产品（学习通/学工/教务/校园信息化），以及校招流程。✅ 体现主动性和岗位关注。