线下面试要不要去？

垂搜业务 4月101.面试官介绍部门业务2.自我介绍3.实习拷打（业务和技术拷打）4.有学过或了解过goland吗（学过，但是基本忘了，简单说了一下对goland的感受。面试官说没关系语言不是考察的重点，重点是技术能力）5.你用了限流算法，说说知道的几种限流算法以及区别？6.固定窗口的缺点？7.Redis单点登录怎么实现的？8.索引优化的经验，从存储结构和应用两个方面讲讲？9.索引结构？B+树和b树区别？10.跳表知道吗？11.为什么mysql不用跳表？12.布隆过滤器原理？为什么他能解决缓存穿透？13.为什么布隆过滤器有误判存在的情况还那他解决缓存穿透？14.Redis和mysql双写一致怎么保证的？15.手撕：删除链表倒数第n个节点16.反问（表现改进-基础不错，但是一些细节方面有弄混的  什么时候出结果-3到5个工作日）

背景介绍：单2硕，27届，计算机专业，无论文，一段中厂AI应用开发实习均是1.8开始投递，之前准备的大模型算法，结果一个都没有回应，都是大模型和后端的面试，白准备了从1.8号开始复习Java八股和力扣算法，之前有半年多没看了，还好有之前的笔记，复习了3天裸面字节（也佩服我的勇气）字节 --- 后端开发1.12 一面 八股盛宴，面试官对我大模型项目不太有兴趣，问了50分钟八股 算法：双线程交叉打印1.15 二面 场景八股 面试官非常有水平，问的八股比较活，同时还问了sql，之前没有准备 算法：下一个排列1.19 问了hr，10分钟回我挂了，发感谢信美团 --大模型应用开发1.13 一面 问了50...

1️⃣数据准备很多人上来就想着搭 Milvus 或 FAISS ,但根本没搞清楚自己要检索的是什么。RAG 的灵魂在知识库。而知识库的质量，取决于数据处理的精细程度。2️⃣检索召回很多人以为用个 embedding 模型就完事了。但 embedding 模型之间差距极大。在实际项目中，我们踩过很多坑：同样一份知识库，换不同 embedding 模型， RAG 的命中率能差出30%以上。3️⃣Query 理解：很多人以为检索的 query 就是用户的问题本身。但在实际场景里，这一步其实最"坑"。🍊那到底哪一部分最难搞？最难的是让整个系统"协同"起来。这需要你既懂算法，又懂工程。需要同时考虑：1.文档更新频率（知识库维护）2.向量召回性能（索引优化）3.Prompt 格式（生成阶段控制）4.模型响应速度（ API 并发与缓存）换句话说， RAG 是所有"大模型项目"中最能体现"算法工程师功底"的模块。它要求你既能设计算法，又能搭系统。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

实习相关 1.对账怎么做的2.完整的订单周期说一下3.你觉得在开发这些系统的时候有哪些难点4.重复支付幂等咋做的5.如何做的语音支付业务都答上来了，因为整个系统都是我写的。。。技术相关1.xxl job 分片广播索引，没答上来2.aqs原理，说了个链表实现，接着问我独占模式和共享模式，g了3.spring的applicationContext原理，bean的生命周期。生命周期说出来了，applicationcontext 没答上来4.kafka原理，说了一点，面试官感觉我不太会，接着聊业务了题：两个线程交替打印数字