1.个人情况介绍，以及AI大模型如何融入个人实践，日常如何使用2.具体说明AI工具如何解决你的开发提效，问题排查，边界测试3.栈和队列的区别，以及各自使用场景4.递归算法和任务调度场景分别使用栈还是队列5.栈和队列在底层实现上数据结构和内存管理上有什么区别6.谈谈java三大特性，封装，继承，多态，以及他们的实际开发应用7.追问封装在实际过程中如何保证安全性和可维护性，要求结合具体场景说明8.追问某个类的封装导致频繁的调用get和set导致性能问题，引发额外的开销，如何优化设计9.什么是缓存穿透，以及造成他的问题是什么，如何解决10.布隆过滤器解决缓存穿透可能存在误判，会对我们的系统产生什么影...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

如题，一面正常，二面改成了vibecoding，给你一个周末的时间，周五发题，然后周一现场演示，还有综合评估题目。。

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...