28届简历

双面试官，时长约一个多小时自我介绍1. 自学全栈+消息队列+AI工程，如何避免碎片化？怎么沉淀可复用方法论？2. 实习用RabbitMQ/Celery全自学，如何规避线上设计缺陷？举一个核心架构坑。• 追问：如何证明你掌握底层原理而非只会调API？3. 实习未续聘真实原因：能力不匹配、项目结束还是主动选择？如实复盘。4. 主动离职的沉没成本评估？短期实习对技术壁垒有无负面影响？5. 选复杂度最高的工作，从背景、瓶颈、架构取舍、性能收益、容错五维复盘，禁流水账。• 追问：你说的普通实习生也能做，你的不可替代性和技术深度在哪？6. 前端后端AI架构全覆盖，如何解决"全而不深"？核心技术护城河是什么？7. 消息队列、异步任务、AI编排的学习瓶颈与底层原理瓶颈？如何工程落地验证？8. 你与纯前端/纯后端/全栈的核心差异？适配广告交易业务的优势在哪？9. 广告业务高并发、高资金链路、强稳定性，你的技术栈为何适配？对比普通ToC前端优势？10. 广告业务为何偏爱全栈前端？从链路闭环、故障定位、降本增效三维分析。11. 量化数据说明两段实习核心技术产出，区分业务产出与技术架构产出。12. 前后端联调中你解决的最高难度问题？如何推动跨角色协作、定位根因、落地根治？13. 别人只会页面开发，你会架构与AI工程，系统性方法论是什么？如何持续迭代？14. 前端工程、业务架构、AI全栈三条路线如何取舍？说明技术选型底层逻辑。15. RabbitMQ解耦异步任务，说明投递链路、交换机机制、持久化策略及架构选型依据。• 追问1：高并发下为何弃Redis List/Stream选RabbitMQ？各自极限吞吐和故障短板？*• 追问2：消息丢失、重复消费、死信堆积，前后端各如何兜底容错？16. Celery异步/定时任务：优先级、队列隔离、重试策略如何设计？• *追问1：任务阻塞、超时雪崩，从消费者/队列/触发层如何排查根治？前端如何感知降级？*• 追问2：海量堆积如何削峰、分片、动态扩缩容？前后端协同优化策略？17. 发布订阅在架构中实现哪层解耦？模块、服务还是业务层？• 追问：如何基于此做高阶工程封装解决复杂耦合？技术壁垒在哪？18. 前后端异步链路状态不一致，如何定义一致性等级？不同等级兜底策略如何差异？19. 广告高并发场景，最终一致性、实时性、可用性三角矛盾如何权衡？20. 完整阐述异步任务全链路：触发→投递→消费→落库→状态同步的容错机制。21. 接口幂等如何实现？前端防重、后端幂等、数据库幂等三层方案与性能损耗对比。22. 流量高峰期，后端限流、前端节流、队列削峰如何联动？错用引发什么事故？23. Agent流式长任务，HTTP轮询/WS/SSE性能上限、断线重试、内存开销与选型边界？24. 多级故障：超时、弱网、熔断、宕机，前端如何分层降级、灰度兜底、无感知容错？25. 自研统一异常处理架构，如何区分业务/系统/网络/模型异常？日志溯源告警方案？26. 前端兜底与后端容错的优先级边界？什么场景必须后端兜底，什么依赖前端自愈？27. 三人团队中你的核心技术架构职责？区分开发、设计、兜底、优化具体产出。• 追问：如何解决多人开发的架构耦合、代码冲突、逻辑冗余？28. 项目状态机基于开源库二次开发，重构了哪些核心逻辑？解决了哪些工程缺陷？• 追问：从零手写轻量业务状态机，核心模块和容错逻辑如何设计？29. 稳定性提升至99.5%，优化权重拆解：你与组员分别占比？核心技术贡献？30. 从架构视角评判项目：技术瓶颈、扩展性短板、性能上限分别是什么？• 追问：还有能体现高并发、高可用、架构能力的硬核项目吗？深度说明。31. 在发布订阅基础上如何做异步链路治理：可追溯、可重试、可降级、可监控？32. 自研项目有无落地工程化架构、状态调度、异步治理？说明技术难点。33. Agent拆分用LangGraph，如何支撑动态任务变更、异常分支插入、实时流程微调？34. 状态机流转异常：前置/执行/后置回写异常，前后端如何分层拦截、分级处理、精准回滚？35. 99.5%稳定性统计口径？如何剔除测试数据、环境误差、偶发故障？如何保真？36. 上线后最高优先级故障：发现、定位、止损、根治、复盘全流程。37. 四类任务失败场景，分别设计重试、降级、用户反馈、数据补偿策略。38. 多用户并发操作同一资源，竞态冲突：前端锁、服务锁、分布式锁三层方案。39. 工程优化：构建提速、分包、缓存、环境隔离、错误监控，量化收益。40. 高频重复触发任务，防抖、防重、幂等、去重四层联动架构？41. 大文件分片上传、断点续传、进度同步一致性问题？断网刷新退页如何兜底？42. Agent批量任务并发：动态限流、优先级调度、故障隔离如何设计防雪崩？43. 客观分析项目技术亮点与架构短板，短板不优化会引发什么线上风险？44. V2迭代：从扩展性、并发承载力、故障自愈、用户体验四维权衡优先级与逻辑。45. 从协议规范、调度层级、业务边界三维拆解Tool/Skill/MCP底层关系与设计初衷。• 追问：Skill已能编排，为何推MCP协议层？分层必要性？能否合并？46. Skill跨模型适配报错率高、不稳定，为何仍是主流？从工程成本、迭代效率、解耦分析。47. Skill诞生后MCP/Tool热度下降，是范式迭代还是场景替代？Skill淘汰风险与方向？48. Agent元认知工程化：自我校验、链路复盘、错误归因、动态修正的前后端落地方案。49. 自研Skill vs 垂直定制Agent：架构成本、迭代速度、稳定性上限、适用场景核心区别。• 追问：剔除工具能力，剩余规则逻辑与Prompt的本质差异？为何不能用Prompt替代Skill？50. 动态调度 vs 静态Workflow：复杂度、容错、并发上限、迭代成本、准确率全方位对比。• 追问1：实际落地中两种方案的隐性线上风险？• 追问2：选型边界：什么场景必须动态编排，什么禁止动态只能静态？• 追问3：极端场景下各自稳定性缺陷？如何架构补强？51. 深度讲解ReAct/Plan执行原理、资源开销、故障特性及工程落地难点。• 追问：Plan单节点异常致链路崩溃，不重构架构下如何分层兜底、局部重试、分支熔断、断点续跑？52. 结合广告投放、视频剪辑，分析ReAct和Plan性能/准确率瓶颈及优化方案。53. Agent上下文超长引发卡顿超时，前后端协同做裁剪、缓存复用、分片请求、增量渲染？54. Skill版本迭代如何平滑灰度、兼容兜底、旧版下线、故障回滚？避免批量报错。55. 多模型路由：自动降级、流量灰度、负载均衡、故障隔离调度架构设计。56. Agent短期/长期记忆：存储介质、更新策略、过期淘汰、隐私脱敏工程化。57. Agent如何智能决策Skill调用？规避无效/循环/冗余调用？算法+工程两层说明。58. 流式输出vs完整返回对QPS、带宽、渲染、体验、故障感知影响？高并发选型？手撕四个题给忘了反问环节1.具体业务2.目前我有一个idea，但是不知道如何实现，问了一下怎么解决面完之后我满头大汗