第一次被拉进技术评审会时，我以为自己只是去旁听。结果会开到一半，大家盯着一段异常波动的调用链，讨论一个老问题: 流量上来以后，某个核心模块偶发超时，重试一多，后面的服务压力也跟着抬起来。 当时没有谁直接把答案告诉我。导师只说了一句：“你先别急着改代码，先判断问题到底出在哪一层。”这句话我记了很久。因为真正有挑战的技术工作，第一步往往不是写，而是判断。 接下来几天，我补链路、看日志、对照监控，把请求路径一点点拆开。最开始我也怀疑过是不是单点性能问题，但越看越发现，问题没那么简单。它不是某一行代码突然变慢，而是高并发下，上下游配合方式开始变得脆弱：重试策略叠加、依赖调用放大、部分节点抖动后缺少足够...

不过还是挺开心的hhh

无八股，全程都在聊AI项目，手撕算法题是lc.15三数之和对于 AIAgent 模式，你如何评判当前系统和切换到另一种模式（如 cline/code 模式）的效果差异？ 你如何设计量化指标来评估不同实现方式的效果？ 你怎么看待 RAG？它的价值是什么？ RAG 和本地知识库有什么差别？ 你说 RAG 有用，那它具体好在哪？优化了什么指标？提升了多少？ 如果把你的项目做成 agent 并对外服务，你如何评估 RAG 的效果（比如准确率、拦截率等）？ 如果不用 RAG，而是用更强的大模型，会怎么样？ 你有没有试过使用最强模型（比如在线 API）替代本地模型 + RAG？ 你有没有做过模型微调？ 你...