1. 请做一下自我介绍2. 你提到“问题导向”，具体是怎么体现的？3. PE（产品工程师）和传统后端开发有什么区别？4. 作为实习生经验不足，如何快速参与业务并给出建设性意见？5. 你在项目中是如何体现“问题导向”的？6. 多轮对话效果变差的本质原因是什么？7. ReAct 能解决上下文问题吗？为什么？8. 你是怎么做上下文压缩的？9. 如何保证压缩过程中不丢关键内容？10. 如何判断哪些是关键内容？11. 长对话（20~30轮）怎么处理？12. 压缩本身会丢信息，你怎么控制？13. 为什么要用 topK + 元数据过滤？14. topK 是怎么实现的？（embedding 吗？）15. 为什么不能只用 embedding？16. 为什么要结合关键词检索？17. embedding 相似 ≠ 语义相似，为什么？18. embedding 为什么会不准确？19. 如何提高 embedding 检索的准确率？20. 文本切分（chunk）策略怎么设计？21. 如果文本特别长（超过 token 限制）怎么办？22. 有没有了解业界的上下文压缩或检索方案？23. 你的系统一致性是怎么做的？24. Redis + MQ 是最终一致性还是强一致性？25. 秒杀场景可以用最终一致性吗？26. 这种方案会不会超卖？27. 你到底实现的是强一致还是最终一致？28. 如果要实现强一致性，应该怎么做？29. 多级缓存体系是怎么设计的？30. 如果没有缓存会有什么问题？31. 什么是缓存穿透？手撕：从二叉树中一个结点出发，返回所有路径长度为target的路径。vibe coding，一定要用js写后续：手撕没写出来，第一次遇到要用vibe coding的，手足无措等了半天gpt连上，泡了一周挂了