求职谈薪环节，很多人只盯着“薪资总数”，却忽略了藏在细节里的“钱坑”。想要在谈薪时不吃亏、多拿钱，以下9个关键问题一定要问明白。一、先拆透薪酬结构，别被“总数”迷惑当HR问你期望薪资时，别急着报数！先搞清楚薪资是怎么构成的。比如你想要1万，公司可能拆成6k底薪+3k绩效+1k福利补贴，实际到手和你想的可能差很多，甚至有些公司会通过拆分薪资来降低五险一金缴纳基数。一定要问：基本薪资是多少？是有责还是无责？绩效占比多少？考核标准是什么？一般能拿到多少？划重点：如果两家公司总薪资差不多，优先选固定薪资占比高的；非营销岗如果绩效占比超过30%，风险较大，要考虑提高固定薪资占比或期望涨幅。二、年终奖：别...

常规问题： 1. 3分钟简单自我介绍2. 在实习和开源经历中，你遇到的最大困难或最具挑战性的事情是什么？实习拷打（拓展相应的场景八股）慢 sql 治理相关的1. 你在平台稳定性建设中提到通过添加索引、读写分离优化慢SQL，具体是怎么做的？2. 读写分离可以再详细说一下吗3. 能否举一个添加索引的具体例子？比如在哪个字段上加了什么类型的索引？4. 你加的是单列索引，如果查询只需要表中的几个字段，当前的单列索引是否有优化空间？5. 联合索引相比单列索引的优势是什么？为什么更优？（从回表，索引下推优化那个方向说就好）es 慢查治理相关1. 关于ES扩容主分片优化查询，具体是怎么做的？2. 系统的ES集群资源配置你了解吗？（如CPU、节点数等）3. 扩容分片数量是如何确定的？仅依据数据量吗？4. 分片切割后为什么查询会变快（并行查询）5. 将 long 类型字段转为keyword类型，是如何利用跳表结构的？这里其实并不能，只是切换是为了适应精准匹配的场景，keyword 的底层用的是倒排索引+跳表6. 除了分片扩容和类型转换，还有哪些方式可以优化ES慢查询？（force merge 整理碎片）分布式锁（业务中有个并发修改用到了，主要问的一些分布式锁的实现细节）1. 你在业务中使用的分布式锁是标准库还是自研的？2. 让你自己实现一个最简单的分布式锁，你会怎么实现？3. 如果任务加锁后异常退出，没有释放锁，如何避免死锁？4. 如果任务执行时间很长，锁过期被其他任务获取，原任务完成后误删了别人的锁，如何解决（防止锁的误释放，加标识）5. 如果任务A包含多个子任务，且子任务本身也有加锁逻辑，在嵌套调用时会因重复加锁失败，如何解决？（可重入锁的实现）6. 在秒杀场景下，能否直接用分布式锁控制库存扣减？会有什么问题？7. 如何让秒杀请求不立即失败？（锁的自旋）并发编程1. 你使用CompletableFuture并发查询多个维度，底层是如何实现并发的？2. 你是自己定义线程池，还是使用默认线程池？3. 你是基于什么依据设置线程池参数的？4. 如果一个任务同时包含CPU密集型和I/O密集型操作，共用一个线程池会有什么问题？应该如何设计？（线程池隔离，避免cpu密集型任务阻塞I/O密集型任务）Agent和开源相关的内容1. 你的基座模型切换（DeepSeek → 千问）后，响应是流式还是非流式？2. 为什么关注完整响应时间，而不是首字响应时间？（主要是业务上的一个需要）3. 你的性能优化目标是在保证输出内容不变的前提下缩短生成时间吗？4. 你在Agent框架中使用了责任链模式和观察者模式，请分别解释这两种模式5. 既然有四个固定执行步骤（Agent执行前，执行后，模型执行前，执行后），是否可以用模板方法模式替代责任链模式？6. 你使用观察者模式的具体场景是什么？为什么选择它？7. 你还了解哪些常用设计模式？8. 你提到使用HNSW算法进行向量搜索，能简述其基本原理吗？（避免全表的向量查询）9. 为什么不直接用余弦相似度做全量匹配，而要引入HNSW？10. 你是否使用过BM25算法？它的作用是什么？11. 向量搜索有哪些弊端？12. 向量检索和BM25全文检索的得分量纲不同，如何进行混合排序？（引入一个精排模型重新打分）反问：1. 业务（智能客服相关）2. 不足，基础还需要加强无手撕，总体一个小时总结：面试体验很好，主要就是根据简历延伸一些八股和简单场景，有些还需要加强的地方，挖出来了自己基础上的一些问题

1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？

有蔚来ai agent offer还要继续面别家吗rt，找27的日常实习，是做内部开发工具，ci/cd 的ai agent的。感觉蔚来在国内做ai agent还行？但我自己想去互联网厂。并且自己也在纠结是做后端开发还是agent开发。求建议，本人1月份回国，感觉还有半个月可以面试的时间，要不要再冲一个更好的offer呢。去做后端开发，或者更大的厂做agentbg可以看本人之前的帖子，有一个外企水agent实习。有一个国内水实习