华讯网络工程师面经

base上海3.13-笔试/一面通知HR打电话来通知一面时间，同时在一面前需要做笔试。笔试分为四个部分：计算机网络基础/数学/英语选择/英语阅读/行测一共25分钟，一个部分做完才能做下一个部分，不能回退3.17-一面没问技术，全部都是深挖简历，包括实习/项目；其他的包括对华讯的了解，为什么选择华讯；为什么选择离开上一家；还有家庭情况，未来想去什么城市发展，有没有女朋友这部分只要简历说得出来就行最后面试官说一共只有两面，签的是bro形式，不是华讯本公司。3.19-二面依旧没问技术，这次我用AI记录了个人背景与求职基础类问题 2：你是通过什么渠道看到本次招聘岗位的？问题 3：实习已经结束了吗？当时这份实习是通过什么渠道找到的？问题 4：这份实习岗位有转正机会吗？为什么没有选择转正？问题 5：你实习主要在客户现场做项目交付吗？工作地点是哪里？问题 6：你的同学大多会进入什么样的公司，就业方向主要是哪些？问题 7：你是安徽人吗？未来在工作地点上有什么规划？问题 8：工作和学习之余有什么个人爱好？项目经验与实操能力类问题 1：第一个项目中，你具体负责的工作，以及遇到的有难度的问题和解决过程问题 4：项目交付有方案评审流程吗？具体是怎样的？问题 5：从未来项目交付角度，你觉得当前的流程或规范有什么改进空间？项目细节*N问题 9：怎么看待两者产品的特性、优势和劣势？问题 10：第二个项目中遇到了哪些问题？具体是怎么解决的？问题 11：项目中客户的存储网络是第三方产品吗？职业规划与认知类问题 1：你为什么想从上家离职，选择华讯？候选人提问类问题 1：公司对于刚入职 6 个月左右的员工，有什么要求或期待吗？回答：公司会根据员工的不同背景安排对应的项目，入职半年内，除了基础的技术理解，核心看重两点：一是服务意识，包括责任与担当，对项目质量的把关，以及发现风险时的内外部沟通能力；二是高效的协同沟通能力，包括与项目经理、领导、同事、客户的协作，避免闷头做事。技术和现场实操能力因背景不同会有差异，经过一年项目历练后差距会缩小，而入职半年希望员工基本能独立开展工作。问题 2：您觉得我对于这个岗位，还有什么欠缺的能力吗？回答：作为学生，目前从面试表现能看出你对网络领域是热爱的，这是做好工作的基础。公司培养员工，还会重点关注自驱力，自驱力会驱动个人技术成长、高效沟通和项目质量把控，这一能力很难通过面试完全判断，需要后续进入项目后，通过实际表现来观察和验证。3.20-HR打电话叫我提交学校就业推荐表，说是后续可能流程需要3.23-已oc

基于Netty和TCP协议的Java RPC常考面试题最近面试被拷打这个，于是痛定思痛，把这块东西和常考题屡了一遍。希望已经捋清楚了，欢迎讨论还有什么面试题，怎么回答

运气好，拿下了上海的天翼支付实习。第一，有点担心业务不行，学不到东西，有没有大佬给点意见😍😍😍第二，上海房租太贵了😭😭😭

这篇继续盘点一下后端转 AI 方向面试时，最容易被面试官“扒皮”的几个工程落地场景。全是实打实的干货，希望能帮兄弟们避坑。一、 RAG（检索增强生成）的全链路拆解面试官极其看重你怎么把企业文档变成知识库的。这块如果你只是个纯调包侠（只会调 LangChain 的 API），被稍微一深挖绝对露馅。我跟他完整勾勒了整条数据流水线：从文档解析，到文本切片（Chunking）。这里有个加分项：一定要提**“按长度切分并保留 Overlap（重叠区）”**，这样能保证上下文语义不断裂。至于向量库选型，别干巴巴地只说一个。我给出的方案是：数据量极大、分布式要求高的场景直接上 Milvus；而轻量级、或者需要和传统关系型数据强绑定的场景，用 pgvector。顺带提一嘴查询时用的是“混合检索（Keyword + Vector）”，召回的精准度会靠谱很多。二、 大模型幻觉与 Prompt 约束兜底面试官必问：大模型胡说八道、乱承诺怎么办？对付这个，咱们后端有常规的三板斧：控参数： 调低模型生成时的 Temperature 参数，直接把发散性和创造性压下来。强指令： 在 Prompt 里加入极其严格的系统级指令兜底（比如：“如果你不知道，请直接回答不知道，严禁编造信息”）。引入 Few-Shot（少样本提示），给几个标准的问答 Case，把它的输出格式和边界死死限制住。三、 核心痛点：用 RocketMQ 做异步解耦与削峰AI 接口耗时极长，这是通病。面试时必须明确态度：大模型打分或推理，绝对不能同步阻塞主流程。当时的解法是：用户发消息后，聊天服务只管快速落库，然后立刻往 RocketMQ 里丢一条异步消息返回给前端。后端的打分微服务作为消费者，在后台慢慢跑，调完大模型再去更新数据库。进阶防坑： 面试官听到 MQ 肯定会追问重复消费。记得补一句：“我在消费端的 Java 代码里做了防重，基于业务主键（SessionID + MsgID）在 Redis 里做了 Key 校验，或者在 MySQL 用唯一索引兜底。坚决不能让大模型对同一条记录重复打分，浪费 Token 算力。”四、 全双工流式交互（WebSocket + SSE）解决 AI 响应慢导致用户吃灰的问题，还得靠前端流式输出。我重点聊了用 SSE（Server-Sent Events）和 WebSocket 技术，把大模型的响应“逐字”推给前端，而不是傻等到全部生成完再返回，这样能把首字延迟（TTFB）压到极致。进阶防坑： 聊流式交互必问断线处理。我们在网关层（如 Netty 构建的 WebSocket 集群）加了心跳保活机制（Ping-Pong）。一旦检测到死链接，立刻释放后端线程池资源；同时客户端配合自动重连和断点续传逻辑，保证流式数据不丢字。