1.这次面试我非常紧张，回答得很不好，因此几天才愿意来复盘。我认为最重要倒不是知识的问题，而是暴露了我更深层次的问题：1.想清楚再回答，不用急于回答。2.如果没有思路，试试从是什么，为什么，怎么做这个最简单的思路开始回答3.平时要多练习把逻辑说出来以下是面试的问题：2. 我看你简历中提到对设备列表接口进行了优化，T99从697降到了112。你是怎么发现这个性能抖动的？ 是通过什么工具？或者日志监控之类的？3. 那你有没有想过，如果数据量再增加10倍，你会如何进一步优化？4. 分布式数据库跟你现在的单机数据库有什么区别？5. 那你查询一条数据，怎么找到对应的库？6. 比如有一个用户表。 包含用户ID、用户名、用户邮箱等字段。我要查询一个用户ID。 应该用哪个字段作为分表键？7. MQTT跟HTTP、TCP有什么区别？8. 你有听过MQTT的订阅者模式吗？9. 那你有写过生产者与消费者模型吗？ 另一端接收消息。10. MQTT的QoS有几种类型？11. 平台除支持MQTT，还支持HTTP、LWMN、MQM等协议。：多协议设备接入，你们是怎么设计统一技术层支持多种协议的？12. 如果由你来设计这样一个平台，你会用什么设计模式或策略？13. 简单说一下MVCC是如何实现的？14. 你用Vibe Coding实现一个保证数据库与缓存一致性的代码。15. 你除了用Cursor，还用其他AI编程工具吗？16. 你觉得Cursor和GPT、Gemini的区别是什么？17. 如果 Cursor 是 Agent，你怎么理解它？这次面试是我为数不多大厂走到二面的，过于在意结果，面试特别紧张，然后很多会的问题也没有答出来。同时呢，东边日出西边雨吧，身边同学似乎都找到大厂了，我还在苦苦挣扎。现在回想起来，一个月前的这场面试，还是不甘心。

整体面试还是不错的，但是没后续了，不知道是哪里出了问题一.实习拷打二.项目12.1 现在有了Claude Code，为什么还要去重复的做一个类似的项目呢？2.2 这个项目和Claude Code相比，核心差异是什么？有什么比他做的好，什么不如他？2.3 分层上下文管理，每一层管的是什么？2.4 摘要生成器使用什么模型做的？这个摘要质量要如何保证？2.5 有没有尝试一下关于subagent的探索？启动多个agent的作用是什么？2.6 主agent和子agent的通信是怎么实现的？2.7 有没有遇到过agent陷入死循环的情况？有什么解决方案？三.项目23.1 GRPO和PPO的区别？3.2 KL散度，具体是怎么加入的？这个值太大或者太小有什么问题？3.3 Qlora的rank怎么设置的？3.4 训练参数是怎么选的？有没有调参测试？3.5 lora和qlora的区别是什么？3.6 量化之后对训练的效果影响是怎么样的？3.7 梯度检查点的原理。它对训练速度大概减缓多少?四.随机提问4.1 平时用过哪些Ai agent的工具?4.2 你觉得Ai工具，最大的帮助场景是什么?4.3 有没有遇到过Ai应用或者工具无法解决的场景?4.4 平时写的代码或者实习写的代码有多少是Ai生成的?4.5 openclaw有没有实际使用过？有没有做相关的了解？比如它的架构设计上的优势是什么?4.6 你觉得类似于openclaw或者Claude code，它现在还有哪些地方是可以改进的?4.7 Claude code源码泄露，有没有去了解它，有什么比较创新的东西？4.8 从开发者的角度，做agent最难的部分是什么？4.9 自己做agent的时候，踩过最大的坑是什么？4.10 一个好的prompt和一个差的prompt的区别?4.11 除了Qwen3VL，还有没有使用过其他的多模态大模型?4.12 有没有了解一些端侧部署的模型?

想问下大家 AI相关的八股都是从哪找的，感觉网上系统的资料不是很多呢

介绍实习的经历，主要做了什么？实习过程中吗，最难的地方在哪里？要是本地部署模型，会不会比在线调用的api快很多RAG到底是一种怎么样的技术？RAG到底是如何通过用户的话去匹配相关的资料的？如何提升他的精度，避免噪声?MySQL事务索引失效常见情况反问公司的业务实习生承担的角色