滴滴一面凉经

1.skill按需加载主要是解决什么问题？2.优化上下文有什么手段?3.讲解一下静态规划和动态规划的区别？4.讲解一下rag全流程5.ConcurrentHashMap的原理6.CAS是什么7.synchronized的是什么8.线程池参数9.jvm内存模型有什么？10垃圾回收判断算法？11.jvm双亲委派机制12.慢sql优化手段13.联合索引14缓存三剑客15.redis和mysql的缓存一致性问题16.rocketmq如何解决消费重复的问题？ 面试官问的还比较简单，算法题也没给我出

基本都答上来了 看到手撕出这个的时候就感觉不太妙  确实面完秒挂（kpi？）1. 自我介绍。2. 平时通过哪些渠道了解 AI 方向的新技术、新产品和新动态？3. 在学习或项目中用过哪些 AI 工具、产品或工程化框架？为什么这样选型？4. 实习中接触的系统数据规模大概是多少？表数量、单表数据量级分别如何？5. MySQL 慢查询一般怎么排查？会看哪些日志、用哪些分析手段？6. explain的常见关注指标有哪些？如何根据执行计划判断慢查询原因？7. 遇到查询慢时，一般会从哪些方向做优化？8. 为什么不建议直接 `select *`？按需查询字段为什么可能提升性能？9. 联合索引为什么会失效？什么是最左前缀匹配原则？10. 联合索引在范围查询、缺失中间列等场景下会有什么影响？11. 联表查询时索引是否还能生效？需要关注哪些问题？12. 介绍一下你做过的 AI Agent / 智能问答类项目：整体目标、系统形态、核心流程分别是什么？13. 为什么要引入 RAG？RAG 主要解决了大模型的哪些问题？14. SSE 是什么？为什么需要用它来做流式输出？15. 你的 RAG 流程是怎么实现的？从文档导入到最终回答，中间经历了哪些步骤？16. 向量检索里只做 TopK 是否足够？还有哪些更精细的召回或重排方案？17. 文档分段策略是怎么设计的？除了固定长度切分，还有哪些做法？18. 为什么要在分段时设置重叠区域（overlap）？它主要解决什么问题？19. 向量化存储用的是什么方案？为什么选择这种向量数据库 / 存储方式？20. 项目中接入过哪些模型？模型接入时如何考虑能力、成本和向量化支持？21. 进程间通信有哪些常见方式？22. 什么是死锁？死锁产生的典型场景和必要条件是什么？23. 网络分层模型有哪些？OSI 七层和 TCP/IP 四层分别怎么划分？24. TCP 和 UDP 属于哪一层？两者的主要区别是什么？25. TCP 为什么说是可靠传输？可靠性主要靠哪些机制保证？26. 三次握手的流程是什么？27. 为什么断开连接通常需要四次挥手，而不是三次或五次？28. Redis 中点赞 / 互动状态这类功能适合用什么数据结构实现？为什么？29. Redis 如何做高可用？30. 如果 Redis 挂掉，互动数据如何保证不丢？除了 Redis 本身，还可以怎么做持久化和兜底？31. 算法题：二叉树的最大深度。32. 解题思路？33. 反问环节

腾讯WXG： 三轮技术面通过，已oc字节：一面挂(不知道为啥，结束的时候面试官从各个角度都说自己回答的很好，但是隔了两天被挂了)美团：笔试2/3挂拼多多：笔试3/4挂京东：无响应快手：挂了一页简历无响应携程：二轮技术面通过，做完了ai测评和英语测评华为：笔试通过其他的像滴滴、得物，腾讯通过了就不参与后续流程了总结一下，感觉主要是没面试，有面试的基本可以通过，不同厂考的侧重点不太一样感觉，携程喜欢考八股，字节喜欢考实际的经历，腾讯喜欢拷你宏观场景题，以及除了腾讯其他的手撕不是很难，基本hot100稍微变点,还要就是几乎所有面试都有问你怎么使用ai的，所以尽量自己动手稍微试一下，可以面试的时候谈谈...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。