前一天做了线上笔试，有一个HR线上监考，手机作答，题目大多是一些计算机基础知识、常见算法题（主要是动态规划）、高中数学题，不难，做完后当天下午要求发成绩单验证，第二天约面面试前30min让介绍项目，主要是我在讲，偶尔针对一些问题提一两点后面就是一些八股问题，很多问题偏开放1. 说一下归并排序和堆排序，及其它们的时间复杂度和空间复杂度2. 如果有100MB纯文字数据，内存只有10MB，如何进行排序？3. TCP和UDP的区别是什么？分别有哪些应用场景4. 详细说明TCP三次握手的流程5. Spring中Bean的依赖注入有哪几种方式6. 讲一下Spring中Bean的作用域7. Spring中的单例模式如何保证线程安全？8. 接口和抽象类的区别和应用场景分别是什么？9. 讲一下代码重构有哪些常用原则10. 如果一个系统响应很慢，你会从哪些方面分析优化？（比较笼统，讲了SQL优化、Redis优化和分库分表之类的）11. 有过哪些开发经验？有没有参与过开源项目贡献？有什么难点和收获（讲了自己参与过的一些项目）12. 如果要开发一个商城系统，从0到项目上线有哪些工作？（从需求分析、编写接口文档讲到前后端联调、测试、部署上线等）13. 从输入网址，到后端处理后返回并展示页面内容的过程（MVC架构）技术面后半小时左右通过，直接约hr面，已经口头oc

个人bg介绍: 专升本 -> 双非硕，硕士转码，在校期间1b1c共计两篇长文(事实上在ai应用开发相关面试时，文章并没有起到太大的作用，也可能是面试的公司规模不是特别大)，在校timeline: 2023年入学时基础比较差，主要以c/c++为主，刚入学时也比较迷茫，在学业上主要以python为主，组内的项目主要以java为主，也算是学的比较杂，当时对于就业的考量是只要比本科强就可以，因为当时的专业为物流，所以基本都是土木相关，这也就导致了无论硕士就业如何，相较于本科而言都是向上的，这也就导致了当时对于就业方向的选择比较随性，只要能找到工作就好。 中间陆陆续续把小论文都撰写好了，在2024...

起因是我前几天收到了一家ai独角兽公司的offer，他们说他们是学习palantir的fde模式，然后我好奇就去搜了一下palantir 这家公司可以说是美国AI圈炙手可热的AI明星，各大AI公司，包括openai纷纷效仿，美国FDE岗位的需求迅速增长palantir主营AI数据中台治理业务，企业大模型服务商，曾为美国国防部服务，在击毙本拉登的行动中一举成名，此后一直是美股中的一颗明星。随着AI的不断融资扩张，各大AI公司必定会不断向AI落地应用转型，以寻求稳定盈利，当今ai公司的第一需求已从研发出更厉害的ai向活下去，让技术可落地，可盈利改变，不能落地应用不能盈利的AI注定只是空中楼阁，而palantir模式为各大ai公司提供了一个AI落地的模板--本体论-FDE模式，AI前沿部署工程师（做出一个公司的产品模型（本体），让工程师去客户现场开发，现场解决业务问题，做定制化开发，现场开发的解决方案沉淀成一个可复用的模板，融进本体中，在另一个客户使用的时候可以直接复用，这就是美国目前火爆的Palantir模式各位是否觉得这种模式很熟悉，这不就是我们这里交付工程师和解决方案的职责吗，中国的软件公司一直在用的模式。但是欧美之前软件行业一直强调的是标准化，所以saas行业一度十分流行，只卖产品，不卖定制化服务，但随着ai时代的到来，美版saas的服务体系跟不上ai公司产品的快速迭代，所以演变出了FDE这个岗位由此影响到国内，我认为在各大企业都在寻求AI落地的背景下，国内未来的AI行业的交付和解决方案工程师需求会是一个新的增长点，并且未来发展尚可，该岗位需要的能力是：技术能力，现场沟通能力，需求挖掘能力，对个人的综合素质要求比较高，而且在未来也会有一定的人脉积累而且交付，售前，解决方案类岗位对比开发算法来说对学历和技术要求并不高，也不是很卷，唯一是起薪可能偏低，需要频繁出差，擅长与客户沟通非常适合学历一般有技术背景且擅长交际，想从事销售的小伙伴，且可以直接产生利润，有些公司还会给你一些回款提成作为薪资的一部分