程序员面试专题库

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。

epoll、线程池、连接池这些概念最终都要落到线上排查：请求为什么卡住，资源在哪里耗尽。

金融科技后端题常把 Java 基础和业务一致性结合起来，候选人要能说明数据正确性、审计和失败补偿。

RAG 的评估不能只看召回率，要看证据是否可答、答案是否基于证据、坏例能否持续减少。

大模型应用质量差异往往不只来自模型，而来自上下文选择、证据组织、历史压缩和成本延迟取舍。

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。

Go 面试中的接口和值传递不是孤立语法，真正要回答的是抽象边界、对象生命周期和并发退出条件。

LRU 代码题背后考的是数据结构选择，也考缓存系统的容量、并发、命中率和一致性边界。

集合并发题不能只背结构，要能说清共享状态为什么危险、并发容器解决了什么、仍然解决不了什么。

网络题不是背协议名，而是把可靠性、加密、传输控制和线上超时联系起来，回答出工程边界。

前端异步问题不只是输出顺序。搜索框、列表筛选和分页切换里，旧请求覆盖新结果是很常见的项目坑。

线上事故排查不只是会命令。面试里要讲清现场证据、影响范围、恢复动作和事后复盘。