1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

企业官方招聘号/官网怎么做：在微信里直接搜索“公司名 + 招聘”或“公司名 + 校园招聘”。比如“腾讯招聘”、“字节跳动校园招聘”。为什么有效：官方公众号发布的岗位信息最权威、最及时，很多内推码、开放日、直播带岗的独家福利都在这里。通过官方渠道投递的简历，通常会直接进入公司的人才库，优先级远高于第三方平台，相当于走了“绿色通道”。学校就业网（不止是自己的！）怎么做：除了天天刷自己学校的就业网，把你目标城市里其他高校的就业信息网也加入书签。比如你想去武汉，就多关注武汉地区高校的就业网。为什么有效：来学校开宣讲会的公司，通常对应届生更友好，门槛也相对社会招聘更低。这些岗位是定向投放的，竞争范围小，成功率自然更高。

智能推荐 Agent（轻量易做，适配实习岗）推荐 GitHub 项目：OpenClaw（star 30k+）：自主执行 Agent，可拆解推荐任务（如商品 / 内容推荐），自动调用工具获取数据。地址：https://github.com/openclaw/openclawGen AI Beginner Projects：含推荐系统、RAG、Agent 入门案例，代码简洁，适合应届生从零学习。地址：https://github.com/pankaj-kaushik/gen-ai-beginner-projects

攒人品ing~个人背景：📝 面试问题详细回顾Part 1：实习项目拷打1. 详细讲讲你认为最有亮点的项目，遇到了什么难点？2. 为什么用多进程而不是多线程？3. 除了利用多核 CPU，针对这 2 小时的耗时，JSON 解析的计算逻辑或 I/O 还有没有优化空间？4. 之前提到的 OOM 是怎么发生的？既然物理内存固定，为什么换多进程/切片就能解决？Part 2：Java 底层与 JVM 八股1. 日常开发中怎么排查由于资源未释放导致的内存泄露？2. 为了降低 GC 对程序性能的影响，有什么具体的编程最佳实践？3. 怎么让对象尽可能在栈上分配，而不是在堆上？Part 3：AI Agent 落地项目1. Agent 的动态调度灵活性很强，你排障的流程其实是偏固定的，怎么控制大模型的执行确定性和约束？2. Supervisor 里的意图识别是怎么做的？为什么用小模型不用大模型？3. 怎么处理多轮对话的上下文管理？4. 对 AI Skill（AI 工具/插件配置）怎么理解？它带来了什么抽象好处？Part 4：高并发场景设计场景：1万并发请求一个热点 Key，缓存 Miss了，但底层的 MySQL 只能扛 1000 左右并发。怎么让这 1 万个请求拿到正确数据且不把 DB 打崩？追问 1：休眠轮询会导致极大的连接堆积和对 Redis 的无效 I/O 压力，怎么优化掉轮询？追问 2：这样多引入了一个外部依赖（Redis Pub/Sub），且对 Redis 本身 IO 压力大。如果不依赖第三方中间件，就在单机 JVM 内部怎么解决？Part 5：手撕代码环节题目：实现上述讨论的 Singleflight (单飞) 机制反问环节 & 面试官反馈我： 实习生想要胜任我们组的工作，有哪些需要补强的地方？以及您对我今天的表现有什么评价？