华泰证券信息技术部

继续来分享下之前的面经~欢迎友好讨论，信息共享1. Lora微调的原理，涉及的参数和调试心得2. DPO原理和涉及的参数作用3. GRPO原理4. 手写attention5. 手写交叉熵6. 手写最短的大于等于目标值的连续数组

1:GMP调度机制2:runtime.GOMAXPROCS核心参数设置逻辑(过大过小会怎么办?)3:go的gc算法4:Go的接口耗时怎么分析获取?5:MySQL索引失效条件?6:SQL调优经验?7:redis分布式锁8:redis缓存三剑客都是很经典的八股......希望一次过(4.21更新,又挂了)

1. 技能清单：别只写 AI 名字，写“能力场景”不要干巴巴地写：熟练使用 Claude、Cursor。试试这样写：AI 辅助工程： 熟练运用 Cursor (Agent Mode) 与 Claude Code 进行全栈项目迭代，具备高效的 Prompt Engineering 能力，能通过 AI 快速完成复杂逻辑重构与接口联调。智能研发流程： 擅长利用大模型进行代码分析、Bug 溯源及算法优化（如在 C++ 竞赛练习中辅助分析时空复杂度）。2. 项目经历：用“STAR 法则”量化 AI 的贡献AI 不应该是你的项目内容，而应该是你交付速度和交付质量的倍增器。案例（以你的 XHS 社区项目为例）：【问题/背景】：需要在短时间内完成基于 SpringBoot 3 和 Vue 3 的社区项目开发。【方案/行动】：利用 AI Agent 进行全自动代码生成与目录结构设计，并通过 Prompt 优化解决了跨域处理、Token 校验等前后端联调痛点。【结果/量化】：开发周期缩短 40%，在 AI 辅助下独立完成了包含校园知识库、博客模块在内的全栈功能，代码一次性通过率显著提升。3. 算法竞赛：AI 是你的“高级教练”如果你在练习 CCPC 或力扣题时用了 AI，可以换个说法体现你的“学习能力”：深度学习闭环： 在算法训练中，利用 AI 对复杂动态规划（DP）和图论问题进行多维度解析（解法对比、边界测试用例生成），总结出一套“AI 辅助纠错-原理拆解-手写实现”的快速进步方法论。

1. 如果让你设计一个 Agent 的规划器，怎么避免它每一步都重新规划，导致路径震荡？规划器不能每拿到一个 observation 就整体重算，不然很容易出现前一步刚决定检索，后一步又改成总结，再下一步又回去检索，整个执行路径会来回抖动。更稳的做法是把规划分成“全局计划”和“局部调整”两层。全局计划只定义阶段目标，比如信息收集、证据校验、结果生成；局部调整只允许在当前阶段内微调具体动作。另外要给 planner 一个明确的状态表示，比如当前子目标、已完成步骤、失败原因、剩余预算。如果没有状态约束，模型会把每次新 observation 当成全新任务来理解。线上一般还会加“重规划阈值”，只有在...