9.18-字节抖音用户增长-一面凉经

岗位：大模型问：什么场景需要GraphRAG？答：GraphRAG（知识图谱增强检索增强生成）的核心价值是结构化挖掘数据关联、提升复杂问答的精准性与可解释性，适用于以下三类核心场景：复杂关联推理类问答场景比如企业知识库问答、金融风控分析、医疗病例诊断，需要从海量非结构化数据（文档、报告、病历）中挖掘多实体、多维度的隐藏关联，回答 “某产品的上下游供应链中，哪些企业存在合规风险” 这类需要多步推理的问题，比传统向量检索更精准。需要可解释性的专业领域场景比如法律条文解读、科研文献分析、政务决策支持，要求生成的答案能追溯来源、明确推理路径。GraphRAG 可基于知识图谱的实体关系，清晰展示 “结论 - 证据 - 关联逻辑”，满足专业领域对可信度和可解释性的要求。大规模知识图谱构建与更新场景比如电商商品知识图谱、教育领域知识点图谱，需要自动从非结构化文本中抽取实体、关系，构建并动态更新图谱，同时结合检索生成，实现 “图谱 + 文本” 的混合问答，解决纯向量检索无法处理的结构化知识查询问题。总结来说，当业务需要突破传统检索的 “关键词匹配” 局限，实现深度关联推理和可解释性问答时，就适合用 GraphRAG。

发面经攒人品～自我介绍做题：从 1 到 n 这 n 个不同的整数中，选取 k 个数的所有可能组合回溯+剪枝做完之后面试官问能不能优化，我一下子没看出来其实是可以剪枝，我是直接 i <= n，应该先算一下剩下的元素个数 end，然后 i <= end，因为剩下的元素个数不一定够用，可以提前跳出来实习项目介绍基础知识OSCgroup 是如何工作的？除了它的表面（将资源限制写入文件），操作系统具体是怎么限制的？网络gRPC 是 tcp 还是 udphttp3 的优点是什么为什么需要 quic 协议tcp 和 udp 对比数据库用的什么数据库引擎？innodb 事务？用的什么隔离级别？可重...

1.redis为什么要配合lua脚本使用，什么情况下redis会有非原子情况，除了lua脚本还有什么方法实现原子操作，这些方法如何实现。2.mq为什么使用卡夫卡不使用rocketmq，它们之间有什么区别，解释卡夫卡实现原理，卡夫卡某个字段值什么意思，这些值分别代表了哪些情况。生产者是同步还是异步。3.redis的部署方式，这些部署方式分别解决了什么问题。4.http的版本及之间区别5.反转区间链表

一面 1.上段实习项目主要为了解决什么问题？2.讲一下系统架构组成3.项目最有挑战的地方在哪？4.上上段做了啥？5.熔断和降级有啥区别？6.讲一下类加载机制7.再讲讲 classloader8.此时 thread 类获取类加载，此时是获取到的哪个类加载(不知道，直接被面试官说底层不行)9.讲讲 mvcc 解决什么问题10.了解过 spring ai 吗？说说理解11.手撕：路径总和（撕太快又来了一道），公共子序列（必须用 dp）12.反问：业务是啥，学习方面有啥建议(实习经历还行，项目总结还可以提升，技术深度差点意思，不要学的太广要把一个方面学深)总体面试体验啥的很好，确实底层方面没怎么看还需要去研究二面1.实习（10min）2.秒杀平台会遇到什么问题，问题怎么解决3.网站扫码登录怎么实现4.后端怎么通知前端？前端不轮询服务端主动通知又能怎么做呢？5.一个线上接口调用变慢怎么排查？6.遇到过什么线上问题？怎么排查的？7.手撕：一个 sql+比较版本号8.mq 消息堆积怎么处理？9.怎么提高消费者的消费能力可以从那些方面入手？10.大数据的那些表分页查询怎么优化？11.redis big key 怎么处理12.分布式 id 生成方式说一下？除了雪花算法还有那些可以实现分布式 id？13.分布式锁除了 redis 还能怎么实现？14.rpc 怎么实现调用的？15.ai 这块有什么学习？说一下16.现在有两个 10g 大小的文件全存的 url，内存只有 1g 怎么找到相似的 url 存入内存17.反问：业务和建议（还是说技术深度不够没去看原理，项目找一些深度自驱的内容）二面几乎没八股全是场景题拷打，很有压力。后续oc了，但是组内氛围很不喜欢，待了一个月就润了