在开发大模型（LLM）相关应用时，我们经常会遇到一个棘手的问题：随着流量的增加，原本响应迅速的 Web 服务，突然变得极其缓慢，甚至出现大面积的 502/504 超时。 很多开发者第一时间会去检查 Redis、数据库或模型推理接口，却忽略了一个架构上的隐患：你是否将 AI 接口调用直接塞进了公共的业务线程池中？ 一、 致命的“资源枯竭”：一个真实的事故现场 假设你正在使用 Spring Boot (Tomcat) 开发一个 AI 聊天机器人。你的系统接收请求并执行以下两步：  业务操作：查询用户配置（耗时 10ms）。 AI 调用：请求 GPT-4 API（耗时 5s）。  Tomcat 默认...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

鼠鼠是二本学历，学的是java，面的是软件工程师，面试的时候没问什么技术，就问了一些项目经验，我就把之前公司的项目经验说了一下，但是复盘面试的时候发现讲的很多东西都不会甚至有的根本没听过（mes，仿真，ai）。虽说面试官说了有学习的机会，进去以后先从mes学起，如果学习能力强会调去ai，但鼠鼠还是很紧张，可以说是不自信吧，也可以说是被打压太久了反而没有信心了😭

1. 自我介绍2. 项目介绍3. 多 Agent 项目中遇到了哪些难点，怎么解决的？4. RAG 项目中的创新点5. 你说一直对 AI 感兴趣，经常追踪 AI 发展的前沿动态，最近了解到哪些 AI 相关的动态？最近在学什么 AI 相关的知识？6. 手撕：力扣 395：至少有 K 个重复字符的最长子串（只剩 10 分钟了，没写出来，把函数框架写好了，说了说大致思路）这面试官看起来不是个省油的灯，迟到了两分钟先不说，回答的时候一会站起来活动活动，那边还有对话杂音（估计是和员工说话），整个过程他也皮笑肉不笑的，感觉要寄