看谁脸皮厚-局

在人工智能越来越普及的今天，我逐渐意识到，面对AI一定要保持谨慎。AI确实能快速提供答案，帮助我查资料、写文章、解决问题，但它并不是万能的，也并不总是正确的。我发现，有时候AI会“随便回答”。当问题不够清晰，或者涉及复杂、专业的内容时，AI可能只是根据已有的数据进行推测，生成看起来合理却不一定准确的答案。如果我不加思考地相信这些内容，就可能被误导，甚至在学习或工作中做出错误判断。因此，我开始把AI当作一个辅助工具，而不是绝对权威。遇到重要信息时，我会主动查证，多看不同来源的资料，再做决定。AI可以提供参考和灵感，但最终的判断和选择，仍然需要我自己负责。对我来说，谨慎使用AI，不盲目依赖，是在这...

是不是不知道，但知道的是现在招聘已经卷出新高度了，春节还没过，提前批已经开始了，之前看有的帖子上，大一的都开始操心实习的事了不知道为啥有这样的结果，要是公司缺人，早点开始能理解，但这几年貌似又没有多年前那么缺啊，实在是没想明白，到现在都还觉得这个挺奇怪的

今天打开手机一看，通义千问居然可以帮我点外卖了，前段时间刚刚听到阿里all in ai的新闻，没想到这么快。 看来对于阿里来说，平静的湖面下深藏危机，以至于他们刻不容缓得开始实施。 未来三年，阿里将全部身价投入ai，背水一战。成功，阿里将是未来ai时代的头部，失败，恐怕阿里就要落幕了，所以阿里到底能不能成，我们一起来分析。一、战略眼光 这是商业路线之争，阿里的豪赌，其根本目标并非单纯“做一个领先的AI模型”，而是要定义并建设一整套未来AI时代的基础设施，从而让自己成为新时代不可绕过的平台。 这里段段用自己的语言，来汇总一下未来阿里到底想干什么。 技术层，实现AI全生态自研，不只局限于技术，还包...

1. 问一下本科经历2. 介绍一下你第一个项目3. DDD分层架构比传统的MVC有哪些好处？4. 你设计的业务分配的算法介绍一下？5. 算法有哪些优化思路？6. 动态标签列设计怎么思考的？7. 数据量有多大？8. 数据量很大的话，数据存储怎么优化？9. 如何保证缓存和数据库之间的数据一致性？10. 相对于你这个项目用哪种方案？11. 项目中遇到的最大的困难是什么？12. 介绍一下第二个项目13. 模型分析diff的上下文怎么考虑？14. 如果diff的关联的上下文很长超过token，你会怎么办？15. 你想的这种方案，最后输入给模型的prompt是什么？16. 对于大模型的其他组件如RAG和skills有了解吗？17. 那你有想过把代码拆分成一些知识库放在rag里面吗？18. 有对比过其他模型的分析效果吗？19. golang有了解吗？20. HashMap的底层结构21. 为什么要用红黑树？22. 红黑树增删的时间复杂度？23. MySQL事务隔离级别24. MVCC实现原理25. 手撕算法：lc402 移掉k位数字 -> 没想到单调栈，暴力枚举了QAQ反问面试官之后，感觉我的缺点主要在于项目太过于玩具了，对于高并发什么的思考处于比较浅的地步，还有就是code-review对于call graph还有一些成熟的方案不怎么了解过，相当于纯demo，面过几场才知道QAQ，估计是没啥希望了，继续沉淀了噶人们