完了，美的没有反问

1.上段实习拷打2.如何将不同来源的工具统一封装为LLM可调用的形式3.MCP和普通的HTTP有什么区别，能否复用老接口4.go中make和new有什么区别5.协程的特点6.Chanel、map是否是并发安全的7.map插入的时间复杂度8.给你一个函数源码，如何判断它是否是并发安全的9.聊聊对orm框架的理解，用过什么orm框架10.用过什么go框架，讲讲gin11.用过什么Linux命令，find/top是什么12.如何查看cpu、内存、线程等资源的占用13.用过什么性能监测框架14.给你一个嵌套很深的文件夹，怎么实现传输到另一台计算机，如何优化性能------无手撕，面试官说只有两面，回去讨论下没问题就发HR面------后续挂

哎，真的心累了，一面二面好不容易都过了，而且印象好像还挺不错的，三面也准备的比较完善了。结果不幸的事情还是发生了，我感觉我能回答的已经很全面到位了，虽然能感觉到大leader应该是非技术出身的，但是有一些奇奇怪怪的问题我是真的有些无奈。自我介绍项目介绍你的项目使用了Paimon，那Spark，Hive这些与Paimon有什么区别为什么使用Paimon，有什么优点实习的时候，你学了什么新技术呢那你说一下离线作业的优化方法Spark参数怎么调？那么除了上面的你说的这些优化，像Hive，Spark或者数据湖这些分布式架构，他们共有的导致数据慢的问题有什么呢？你了解AI的实现技术架构吗？那你认为怎么用...

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了

一、三面（30min）针对实习经历接着询问学过Go语言吗？能实习多久？最早什么时候能到岗？有没有留用诉求？ 反问咱们部门和Agent相关的核心业务、具体落地场景有哪些？和剪映核心能力是怎么结合的？咱们团队当前在Agent业务上，最核心的业务难点/待突破的方向是什么？团队内的同学在做业务遇到技术卡点时，通常会通过哪些渠道寻找解决方案、激发技术灵感？咱们部门有没有和AI相关的核心业务指标，比如AI贡献率、代码出码率这类量化要求？如果我有幸入职，团队对新人前1-3个月的培养路径与核心产出要求，有没有明确的规划？二、HR面面试题（一）个人基本情况与实习稳定性考察你是哪里人？对面试岗位的base地是否有...