<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Java架构师之路的博客]]></title><description><![CDATA[一个专注于Java架构的前进者]]></description><link>https://blog.csdn.net/MXC1146</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; MXC1146]]></copyright><item><title><![CDATA[同样的大模型，为什么别人的 Agent 能稳跑 6 小时，你的 30 分钟就“胡言乱语“？秘密就在 Harness 里。]]></title><link>https://blog.csdn.net/MXC1146/article/details/164193586</link><guid>https://blog.csdn.net/MXC1146/article/details/164193586</guid><author>MXC1146</author><pubDate>Sun, 30 Aug 2026 22:04:42 +0800</pubDate><description><![CDATA[AI落地的核心挑战，正在从让模型看起来更聪明，转向让模型在真实世界里稳定地工作。Prompt解决表达，Context解决信息，Harness解决执行稳定性。三者包含而非替代。真正决定能不能落地、能不能稳定交付的，不是模型，是Harness。而Harness之外，人的动态驾驭同样不可替代。同样的模型，Harness的差距可以带来13.7个百分点的提升。在某头部AI实验室的512K行Agent项目里，95%的代码全是Harness。这不是理论，是账本。]]></description><category></category></item><item><title><![CDATA[字节面试：5万个敏感词库，3000字长文，要求10毫秒内审核完毕，怎么做？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164193577</link><guid>https://blog.csdn.net/MXC1146/article/details/164193577</guid><author>MXC1146</author><pubDate>Sun, 30 Aug 2026 22:04:05 +0800</pubDate><description><![CDATA[DFA（确定有限自动机）听起来很高大上，但它在敏感词过滤里的本质就是构建一棵Trie 树（字典树）。通俗点说，Trie 树就像是一本超级高效的“按拼音查字法”新华字典。假设我们的敏感词库里有“赌博”、“赌局”这两个词。传统方法是存两个完整的字符串；而在 Trie 树里，内存中会构建一个树状结构：根节点往下找，有一个“赌”字节点。“赌”字往下，分出两条岔路，一条是“博”，一条是“局”。在这两个结尾字上，打上一个结束标记（End）。它最大的优势在于空间换时间。]]></description><category></category></item><item><title><![CDATA[面试官：聊聊你对目前主流 Agent 框架的看法，你们是怎么选型的？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164153785</link><guid>https://blog.csdn.net/MXC1146/article/details/164153785</guid><author>MXC1146</author><pubDate>Fri, 28 Aug 2026 22:31:19 +0800</pubDate><description><![CDATA[上层框架只是皮囊。在真实落地时，如何通过 Harness 锁死系统的安全与成本底线，如何挂载。]]></description><category></category></item><item><title><![CDATA[腾讯面试：10 亿用户签到记一年，怎么算「连续 30 天」？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164153779</link><guid>https://blog.csdn.net/MXC1146/article/details/164153779</guid><author>MXC1146</author><pubDate>Fri, 28 Aug 2026 22:30:41 +0800</pubDate><description><![CDATA[假设 30 天里有 30 个 1，但它们分别是月初 15 天、月末 15 天，中间断了——BITCOUNT 会开心地返回 30，但用户根本没连续签到。背这一套的价值：它同时覆盖了「存储」「key 设计」「避坑」「算法」「工程闭环」五个层次，面试官不管往哪个方向追，你都有下一句接住。真正决定答案质量的，不是你调用了哪个 Redis 命令，而是你能否一眼看出这道题考的是 key 的维度选择。原理是每次把相邻的 1 压缩成一个「连续段标记」，五步之后如果还有非零位，就一定存在长度 ≥30 的连续 1。]]></description><category></category></item><item><title><![CDATA[面试官：为什么全中国 10 亿人零点步数一齐清零，微信服务器却没崩？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164126261</link><guid>https://blog.csdn.net/MXC1146/article/details/164126261</guid><author>MXC1146</author><pubDate>Thu, 27 Aug 2026 22:20:04 +0800</pubDate><description><![CDATA[这个案例的精髓在于“避其锋芒，借力打力”。在面对极端高并发时，顶尖的架构师从来不去硬碰硬地优化物理删除的速度，而是通过改变数据结构（引入时间版本号），把一个原本需要消耗海量算力的灾难级场景，直接消解于无形。你在面试中展示出这种“空间换时间”、“逻辑清除代替物理清除”、“分片路由隔离流量”的思维模型，正是大厂期望的高级/资深架构师所具备的技术大局观。满大街吃灰资料改不了底薪，看透业务本质的架构思维，才能真正决定职业上限。]]></description><category></category></item><item><title><![CDATA[拼多多二面：百亿补贴1499 飞天茅台秒杀，怎么防黄牛脚本？这题把老司机问懵了]]></title><link>https://blog.csdn.net/MXC1146/article/details/164126252</link><guid>https://blog.csdn.net/MXC1146/article/details/164126252</guid><author>MXC1146</author><pubDate>Thu, 27 Aug 2026 22:19:34 +0800</pubDate><description><![CDATA[秒杀系统，从来都不是一串简单的 Redis 扣减代码。它是一场融合了密码学、物理学、心理学以及高并发架构的全面战争。技术保证了系统的吞吐上限，而风控，才真正守住了电商平台补贴用户的初衷。]]></description><category></category></item><item><title><![CDATA[你让AI帮你规划三亚旅行，背后发生了什么？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164097629</link><guid>https://blog.csdn.net/MXC1146/article/details/164097629</guid><author>MXC1146</author><pubDate>Wed, 26 Aug 2026 21:54:42 +0800</pubDate><description><![CDATA[从你按下回车，到AI给你推"Day1：飞三亚→入住亚龙湾→傍晚去第一市场吃海鲜→散步椰梦长廊看日落"，这11个概念全都在30秒内跑了一遍。]]></description><category></category></item><item><title><![CDATA[面试官：意图识别你们是怎么做的？三层漏斗架构一次讲透]]></title><link>https://blog.csdn.net/MXC1146/article/details/164097610</link><guid>https://blog.csdn.net/MXC1146/article/details/164097610</guid><author>MXC1146</author><pubDate>Wed, 26 Aug 2026 21:53:04 +0800</pubDate><description><![CDATA[它不单单做意图分类，还会搭配函数调用、MCP 协议，让大模型理解跨领域、模糊复杂的需求，直接匹配对应工具、填充执行参数，一步完成「意图识别 + 业务调用」。总结就是——简单需求低成本快速处理，复杂需求才消耗大模型算力，兼顾准确率、延迟与成本。面试官一句「意图识别你们是怎么做的」，要是你张口就来「丢给大模型让它判断不就行了」——这话一出口，面试官基本已经在心里给你画叉了。绝大多数用户问题，都必须依赖上下文才能读懂——用户只说「就这个」「还是不行」，单独一句话根本判断不了意图，必须读取完整对话历史。]]></description><category></category></item><item><title><![CDATA[字节面试：5万个敏感词库，3000字长文，要求10毫秒内审核完毕，怎么做？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164065848</link><guid>https://blog.csdn.net/MXC1146/article/details/164065848</guid><author>MXC1146</author><pubDate>Tue, 25 Aug 2026 22:05:36 +0800</pubDate><description><![CDATA[DFA（确定有限自动机）听起来很高大上，但它在敏感词过滤里的本质就是构建一棵Trie 树（字典树）。通俗点说，Trie 树就像是一本超级高效的“按拼音查字法”新华字典。假设我们的敏感词库里有“赌博”、“赌局”这两个词。传统方法是存两个完整的字符串；而在 Trie 树里，内存中会构建一个树状结构：根节点往下找，有一个“赌”字节点。“赌”字往下，分出两条岔路，一条是“博”，一条是“局”。在这两个结尾字上，打上一个结束标记（End）。它最大的优势在于空间换时间。]]></description><category></category></item><item><title><![CDATA[大厂高频面试题：手机号加密存储后，如何快速按尾号查询?]]></title><link>https://blog.csdn.net/MXC1146/article/details/164065839</link><guid>https://blog.csdn.net/MXC1146/article/details/164065839</guid><author>MXC1146</author><pubDate>Tue, 25 Aug 2026 22:04:45 +0800</pubDate><description><![CDATA[面试官："在你的项目中，用户手机号是怎么存储的？我们都知道手机号属于敏感个人信息，必须加密存储。那如果现在有一个需求：运营后台需要支持，同时还要满足《个人信息保护法》和等保2.0的合规要求，你会怎么设计？]]></description><category></category></item><item><title><![CDATA[AI 面试官时代来了：别和算法对背八股，要去讲设计]]></title><link>https://blog.csdn.net/MXC1146/article/details/164065831</link><guid>https://blog.csdn.net/MXC1146/article/details/164065831</guid><author>MXC1146</author><pubDate>Tue, 25 Aug 2026 22:04:11 +0800</pubDate><description><![CDATA[反背诵版：0.75 是时间和空间的折中。0.75 不是拍脑袋的数字，它是「哈希冲突概率」和「空间利用率」的平衡点。HashMap 在冲突过多时会把链表转红黑树，而触发阈值 8 也是基于泊松分布算出来的——在负载因子 0.75、哈希均匀的前提下，一个桶里出现 8 个冲突元素的概率约为 0.00000006，几乎不可能。考官想听的，是你能把「魔法数字」还原成概率和成本模型：负载因子调高，空间省了但冲突链变长、退化为树的概率上升；调低，查询快了但空间浪费。这个思维框架，比背「0.75」本身值钱十倍。]]></description><category></category></item><item><title><![CDATA[面试绝杀！大模型必考题：多轮对话+上下文优化，满分答案直接背]]></title><link>https://blog.csdn.net/MXC1146/article/details/164003543</link><guid>https://blog.csdn.net/MXC1146/article/details/164003543</guid><author>MXC1146</author><pubDate>Sun, 23 Aug 2026 22:07:03 +0800</pubDate><description><![CDATA[核心思路：把旧笔记浓缩成摘要，不丢核心信息对话太长时，让模型把早期的零散对话，压缩成一段精简摘要，用“摘要+最近对话”替代全量历史，既省Token，又不丢对话意图。优点：保留核心信息，Token消耗骤减缺点：多一次摘要调用适用场景：智能客服、常规AI助手、中长对话面试口述：通用场景我会用滚动摘要，动态压缩早期上下文，把长对话变成精简笔记，平衡效果和成本。]]></description><category></category></item><item><title><![CDATA[大厂面试必考：RAG 怎么答才能让面试官觉得你“深不可测”？]]></title><link>https://blog.csdn.net/MXC1146/article/details/164003537</link><guid>https://blog.csdn.net/MXC1146/article/details/164003537</guid><author>MXC1146</author><pubDate>Sun, 23 Aug 2026 22:06:27 +0800</pubDate><description><![CDATA[RAG（检索增强生成）本质上是为大模型提供了一个动态更新的外部知识库。它通过‘先检索相关片段，后辅助生成回答’的方式，有效解决了大模型的幻觉问题和知识时效性问题。RAG 流程不是一条直线，而是一个不断震荡优化的循环。没有完美的算法，只有最适合业务场景的工程权衡（Trade-off）。比如：为了追求极速，我们可以牺牲一点 Rerank 的精度；为了处理私有数据，我们可能需要自建 Embedding 模型。]]></description><category></category></item><item><title><![CDATA[阿里面试：AI Agent把公司库删了，你怎么防？这道“指令注入”题干废了90%的候选人]]></title><link>https://blog.csdn.net/MXC1146/article/details/163957074</link><guid>https://blog.csdn.net/MXC1146/article/details/163957074</guid><author>MXC1146</author><pubDate>Fri, 21 Aug 2026 21:55:49 +0800</pubDate><description><![CDATA[看到了没？AI时代的安全架构，已经不是写写拦截器那么简单了。从意图审查到权限隔离，再到死循环熔断，每一环都是实打实的生产经验。掌握了这套架构思路，不仅面试横着走，真在线上跑业务你也能睡个安稳觉。大家在搞Agent的时候还踩过什么坑？来留言区，咱们一起盘盘！]]></description><category></category></item><item><title><![CDATA[大厂面试必考：RAG 怎么答才能让面试官觉得你“深不可测”？]]></title><link>https://blog.csdn.net/MXC1146/article/details/163957063</link><guid>https://blog.csdn.net/MXC1146/article/details/163957063</guid><author>MXC1146</author><pubDate>Fri, 21 Aug 2026 21:55:05 +0800</pubDate><description><![CDATA[RAG（检索增强生成）本质上是为大模型提供了一个动态更新的外部知识库。它通过‘先检索相关片段，后辅助生成回答’的方式，有效解决了大模型的幻觉问题和知识时效性问题。RAG 流程不是一条直线，而是一个不断震荡优化的循环。没有完美的算法，只有最适合业务场景的工程权衡（Trade-off）。比如：为了追求极速，我们可以牺牲一点 Rerank 的精度；为了处理私有数据，我们可能需要自建 Embedding 模型。]]></description><category></category></item><item><title><![CDATA[简历敢写“精通RAG“? 阿里一面挂了! 这3个夺命连环问,你能扛住几个?]]></title><link>https://blog.csdn.net/MXC1146/article/details/163926935</link><guid>https://blog.csdn.net/MXC1146/article/details/163926935</guid><author>MXC1146</author><pubDate>Thu, 20 Aug 2026 21:58:47 +0800</pubDate><description><![CDATA[简历写精通RAG却被面试官问哑火？只会调接口算什么精通RAG！带你深度拆解从Rerank到GraphRAG的王者演进， 硬核搞定大模型 RAG 项目落地方案。拒绝幻觉，这才是拿Offer的硬实力！]]></description><category></category></item><item><title><![CDATA[B站AI应用研发二面：四个开放题没聊一行代码，第三题九成人答不圆]]></title><link>https://blog.csdn.net/MXC1146/article/details/163926926</link><guid>https://blog.csdn.net/MXC1146/article/details/163926926</guid><author>MXC1146</author><pubDate>Thu, 20 Aug 2026 21:58:02 +0800</pubDate><description><![CDATA[有个读者面B站AI应用研发实习生，一面聊了四十分钟项目，八股和手撕代码都过了，感觉稳了。二面前面一切正常——项目追问、技术深挖、场景设计，常规流程走完，他觉得自己答得不错。然后面试官话锋一转："技术方面差不多了，我想跟你聊几个开放性的问题。紧接着，面试官掏出四个题，逐个深聊：你觉得AI的出现对软件工程的影响是什么？你怎么看待古法编程？低级语言到高级语言，与高级语言到自然语言，为什么不能简单类比？你觉得AI对学习的影响是什么？他听完第一反应是：开放题？随便聊聊不就行了？聊完发现不是那么回事。]]></description><category></category></item><item><title><![CDATA[腾讯面试：10 亿用户签到记一年，怎么算「连续 30 天」？]]></title><link>https://blog.csdn.net/MXC1146/article/details/163926915</link><guid>https://blog.csdn.net/MXC1146/article/details/163926915</guid><author>MXC1146</author><pubDate>Thu, 20 Aug 2026 21:57:12 +0800</pubDate><description><![CDATA[假设 30 天里有 30 个 1，但它们分别是月初 15 天、月末 15 天，中间断了——BITCOUNT 会开心地返回 30，但用户根本没连续签到。背这一套的价值：它同时覆盖了「存储」「key 设计」「避坑」「算法」「工程闭环」五个层次，面试官不管往哪个方向追，你都有下一句接住。真正决定答案质量的，不是你调用了哪个 Redis 命令，而是你能否一眼看出这道题考的是 key 的维度选择。原理是每次把相邻的 1 压缩成一个「连续段标记」，五步之后如果还有非零位，就一定存在长度 ≥30 的连续 1。]]></description><category></category></item><item><title><![CDATA[面试官问“Agent 怎么管记忆“，你只答 RAG？这说明你没真正跑过生产]]></title><link>https://blog.csdn.net/MXC1146/article/details/163896092</link><guid>https://blog.csdn.net/MXC1146/article/details/163896092</guid><author>MXC1146</author><pubDate>Wed, 19 Aug 2026 22:29:35 +0800</pubDate><description><![CDATA[优先读第 0 层上下文窗口 → 需任务状态查第 1 层 Redis 精确键值 → 需近期回溯查第 2 层会话记忆 → 跨会话查历史事实，先结构化库精确匹配，再向量库语义粗召回 → 三维加权精排，过滤过期/低重要 → 注入模型上下文完成推理。用户修改信息后，新旧冲突数据会同时存在于向量空间，无法自动覆盖失效记忆，也难以跟踪任务执行的中间状态。：稠密向量对否定不敏感，"支持退款"与"不支持退款"向量距离很近，相似度检索分不出真伪，相近向量却可能指向完全相反的事实，容易造成事实性错误。]]></description><category></category></item><item><title><![CDATA[面试官：爆火视频点赞每秒 10w，数据库行锁直接卡死，你怎么破？]]></title><link>https://blog.csdn.net/MXC1146/article/details/163896082</link><guid>https://blog.csdn.net/MXC1146/article/details/163896082</guid><author>MXC1146</author><pubDate>Wed, 19 Aug 2026 22:28:51 +0800</pubDate><description><![CDATA[架构师的价值，就在于面对“物理限制”（如行锁、IOPS）时，能够利用内存和异步化手段把矛盾转移。]]></description><category></category></item></channel></rss>