点评被问穿了，项目用点评的可以看，最近一直看Agent了，点评都忘了，回答很烂，但是面试官人很好，一直在教我怎么思考，怎么做技术选型，面试都不白面啊1.先讲一下你的项目的架构，怎么组织的，为什么这样组织2.多级缓存怎么做的，考虑了哪些缓存一致性问题，多个服务器本地缓存、redis缓存、DB之间数据一致性怎么解决3.旁路缓存太low了，而且你是高并发，并不能很好的解决这个问题，面试官举例了很多数据一致性实现方案4.秒杀问题，redis做预扣减，问题在哪里5.宕机了你怎么解决，容灾处理之后，还是有一部分数据丢失了你该怎么办6.对账补偿之后还是有一部请求的数据丢失了，这时候怎么办？7.redis一直宕机起不来，甚至你的容灾策略都出问题了，你该怎么办8.为什么采用kafka？9.你说的这些点RocketMQ也能做，RabbitMQ也能做，甚至redis stream也能做，为什么不用这些？10.你选kafka，kafka有什么缺点？11.共同关注计算，5000量级耗时多少，10万，100万呢？12.对于两个个亿万粉丝的大V，共同关注计算该怎么优化，用什么技术选型13.除了分页还有别的吗，在底层做优化？14.商户搜索是怎么做的，都包含哪些模式？15.这些模式的搜索用的什么技术，怎么优化搜索的方案能保证快，稳，准？16.布隆过滤器的缺点是什么？17.怎么优化，你是怎么重建的，存的数据量级有多大？18.布隆过滤器你用的哈希是几种，都是什么，为什么用这几种？

个人情况：双九 base 杭州，多模态/Agent 方向，实习期间希望可以兼顾一下实验室项目多混点履历。秋招打算 70% 概率国企躺平 30% 概率接着面互联网。Offer1：阿里虎鲸文娱优酷影视智作优点：title 好一点感觉秋招更有用，据说加班压力不大缺点：base 北京要租房，方向是纯文本跟个人关系不大Offer2：华为 2012 中央软件院优点：base 杭州，方向更相关一点，还没面试就提前安排了 mentor 聊的挺投机的缺点：比较担心没去成国企会影响秋招

在我来鹅之后，接到的第一个完整大需求就是需要编写一个skill，之前的实习也写过一些skill，但是在我的理解中skill就是跟提示词没差，把你需要的目标全写上就好了，所以第一次mr我提交了一个超过1200行的md，被mt打了回去，为了完成这个需求，我又赶紧请教了我身边的大神同学，获取一些写skill的经验，将原先1200行的md进行了对应的references拆封，又通过我朋友教我的验证机制验证这个skill的效果，最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill，那么今天来给大家分享怎么去写一个好的，可以实际用来工作的skill，摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0：先写 EvalsEval（Evaluation，评估）是一套结构化的、可重复运行的测试用例集，用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下"，而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例：- 正例（Positive）：用户说“帮我看一下这个 PR 能不能合”，验证 Skill 应该被加载- 负例（Negative）：用户说“帮我把代码格式化一下”，验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界（Edge）：“这个 PR 改了一行日志，要不要审”，验证边界情况下的路由行为正例和负例都要写，而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次：如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大，只在一种模型上过了不够。没有 evals，你改 description 就是在盲改，一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1：写 Description（最难的一行）description 是路由触发器，不是文档。写好它不需要关心 Skill 的内容，只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式，每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么，好的 description 说什么时候加载。举个监控 PR 的例子：不要写这个 Skill 做什么，要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单：- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图，最好来自真实查询- 不总结工作流程Step 2：写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具，只要提名字，模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多，尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例，它们是最高信噪比的内容。每次 Agent 搞砸了就加一条，gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md，放到 accessory file 里渐进加载。Step 3：用层级结构- scripts/ —— 确定性逻辑，模型不用每次重新发明- references/ —— 重型文档，条件触发才读（"如果 API 返回非 200，读 api-errors.md"）- assets/ —— 输出模板，模型直接复制填充- config.json —— 首次运行设置，问一次保存下来对于极其复杂的 Skill，进一步考虑是否应该拆成一组 Skill，用 depends: 声明加载关系。Step 4：迭代切分支出来，在无 Skill 的状态下跑 hero query（核心用户场景查询），建 eval 集，反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大，甚至会 spillover（溢出）到其他 Skill，所以这些在 Step 5 之前做完。Step 5：发布大家快把这5步实行起来，成为写skill专家吧！

历时两月，暑期终于可以结束，感谢京东能给个做兄弟的机会除了京东还有个华为在等offer审批，哎没耐心也没心气再等了bg: 9本➕三段中小厂实习timeline3.19投递3.30 保险业务一面4.8 保险业务二面挂4.27 金融科技一面挂(疑似KPI)5.18 京东云一面5.25 京东云HR面 面完三个小时后电话oc算上年前还面过一次，四战京东终于oc一次其他家面试情况:携程二面挂滴滴二面拒北京深势科技二面 至今暂无消息字节一面挂(疑似KPI且脏面评后续直接简历挂)腾讯一面挂x2，都是csig，第一次被狠狠拷打，第二次疑似KPI美的4.28做完ai面，ai评估至今未约面其余大部分泡池子or简历挂(点名快手百度B站)今年暑期确实太难了，hc太少很难约面，约面少更没办法从面试里学习锻炼，项目八股反复看反复忘，我最近两周几乎是面了整个暑期80％的面试，最多的时候一天三场，前两个月甚至加起来不到五场面试个人感觉运气成分起码占百分之八十，剩下才是技术跟学历，第四次面京东刚好碰上流程优化，上天终于眷顾我一次了吗现在这个大环境主观能动性能起到的作用太小了，哎，求职路上身不由己