halo！

1. 说说Java线程池的参数，分别作用？ 2. Redis缓存穿透、击穿、雪崩的区别及解决方案？ 3. MySQL的事务隔离级别是什么，分别解决了什么问题？ 4. CAS的原理是什么？ABA问题如何解决？ 5. Spring中Bean的完整生命周期是怎样的？ 6. RAG系统中向量数据库的选型依据有哪些？ 7. 什么是JVM类加载的双亲委派模型？ 8. 如何保障高并发下缓存与数据面的状态一致性？ 9. 你的项目中如何设计缓存的过期与更新策略避免脏数据？ 10 分片缓存的一致性哈希实现有哪些优化点？ 11. 如何优化缓存的命中率？ 12. 如何处理高并发场景下的热点数据更新冲突？ 13. 如何...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

就是一个普通二本学院，我这还能找到工作吗，有什么建议吗。哎。真心建议，嘲笑也能接受，哥哥们

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...