程序员面试专题库

可观测性不是多打印日志，而是让一次请求从入口到下游都有可追踪证据，故障时能快速收敛范围。

AI 项目要从模型效果走向业务闭环，能说明指标、反馈、坏例、迭代和监控，才像真实上线系统。

Agent 记忆的核心不是保存更多聊天记录，而是管理当前任务状态、长期偏好、权限边界和可删除能力。

AI 后端不能只关注回答质量，模型调用的超时、失败、成本和降级策略同样决定项目是否能上线。

Agent 项目真正难的是让模型动作可控、可审计、可恢复，而不是把几个函数接给模型。

RAG 回答错了，不一定是模型问题。面试里要按资料、切分、召回、重排和生成分层归因。

客户端项目面试不要只讲页面实现，社区类应用更看重信息流性能、图片加载、缓存策略和弱网体验。

多模态项目面试不要只讲模型结构，数据质量、标注一致性、模态对齐和失败样本往往更能体现真实经验。

分布式锁不是一上来就讲 Redis 命令，而是先说明业务里为什么需要互斥，以及锁失效时如何兜底。

AI 算法项目面试不只是解释模型结构，更要证明你理解任务、数据、指标、失败边界和业务收益。

嵌入式面试很看重调试路径。能讲清问题如何复现、如何定位、如何验证，往往比单纯背语言细节更有价值。

事务和接口稳定性不是背注解，而是讲清一次请求从入参、数据库、外部调用到异常补偿的完整边界。