AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

随时随地都有可能error

最近前前后后也投递了很多份简历,但是基本上牛客上的公司都是秒拒或者是过了筛选没下文了,所以想让大佬看看这个简历有什么欠缺的地方吗,可以当下就做一些改动的.在 boss 上也是只有一些本地的小公司进面了

2026-4-11  请详细介绍当前实习经历 是否做过算法优化相关工作 调用算法模型接口后，模型多久能返回结果 与算法模型的通信是如何设计的 通信是否为异步调用，是否等待返回结果 业务调用时若出现结果丢失情况，是否有应对措施 是否写过匹配规则，是否通过哈希表进行查找 异步加线程池实现采集和数据源并行查询的主要用途，是否与模型对接时使用 线程池的参数是如何设计的 线程池的核心线程数和最大线程数是否为同一个大小，为何到核心线程数就阻塞 线程池中父任务占满核心线程后，是否还会有新的父任务进来 请简单介绍线程池的工作流程 线程池的阻塞队列选择的是哪一种 线程池的拒绝策略有哪些，当前使用的拒绝策略是什么...