简历求拷打

一个项目是魔改的点评，另一个是一个简单的智能问答系统，想着今天投美团还有二次笔试的机会，这样投可以吗，求求建议

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...

（真诚提问，并非想要否定AI对于画师和配音演员以及类似职业的侵权行为，也不是想对比谁过的更苦，只是单纯地好奇这个问题）发现一个有意思的现象，想听听大家的看法：同样面临AI的冲击，配音圈、绘画圈都在集体抵制，但程序员这边，几乎看不到类似的行动。代码也是创造性的手艺，AI同样在“偷掉”程序员的手艺，也在替代不少传统的程序员的岗位，今年不少公司停招传统Java、裁掉前端，就业影响明明就在眼前，却很少有人站出来说因为侵权而“要抵制AI”。目前程序员对AI的抱怨，更多集中在“AI写的代码质量差、难维护”等技术层面，而非对职业替代/代码侵权的群体性反抗。是程序员更接受技术变革，还是已经习惯了在冲击里自我调整？还是说只是因为程序员群体中AI的既得利益者更多，大家依靠AI更快速地写出了更多的代码，获得了更多的收益（工资），而那些因为AI被裁掉的团队的声音又太小？有点好奇，这背后的差别到底在哪。

本专栏只总结最重要的八股，简历对应的 简历话术：  RabbitMQ：理解异步、削峰、解耦；熟悉消息可靠性、幂等性、顺序性、死信队列和延时队列及消息积压问题的解决方案  1. 作用：异步削峰解耦 电商秒杀系统（综合体现异步+削峰+解耦） 场景描述：双11零点，某商品限量秒杀，瞬间涌入百万级并发请求。 异步（秒杀用户立即得到“排队中”响应）：用户点击“立即秒杀”后，立即返回“排队中，请稍后查看结果”。后端消费者慢慢拉取MQ消息，真正完成订单创建、扣库存、发券等操作。 削峰（流量大时不让服务垮掉）：网关层只校验资格、生成秒杀令牌，不处理后续逻辑。所有有效请求直接写入MQ（例如订单预处理队列），瞬间...