Anis

• 个人背景 实习经历 AI如何提效？- o2o线上线下引流业务 | UT | code review | 资料速读
• 如何帮助UT覆盖？如何准确 - AI更好地调用框架；MCP + Skill + Agent；分支覆盖更高更准确；提到superpowers框架（skill集合，谈了下brainstorming，设计的spec，最后测试），说了下可以结合用其他spec的skill，丢tdd与sdd名词

• HTTP与HTTPS的区别？ - 提到HTTPS是HTTP + TLS，非对称加密协商一个后续对称加密的密钥出来，往后就用这个密钥传信息，还有证书校验身份的环节，提到是根据根域名证书逐步传递，上面的证书保障下面的有效
• 什么时候证书伪造失效？- 提到中间人伪造可能存在信息安全风险，谈及证书主要靠整个链路保障有效，可能本身过期需要续期（使用let’s encrypt等，补充一个额外的本地前端开发调试自签名证书，让localhost也可以https），提到自己的服务部署在netlify与cloudflare，云厂商会自动续期，举例cf的google xxx证书大概三个月过期，中间很快就会续期，提到一般不会个人太多参与，会云厂商提供对应服务，解决失效问题。提到如果识别伪造浏览器会风险提示拦住，如果伪造的是使用的合法证书会有风险
• 证书伪造与失效怎么防止？ - 提到浏览器与手机等存有根域名证书，有相关的校验，个人服务一般也由云厂商等上一级颁布，或注册过去，在项目中不会有太多需要个人参与防止失效与伪造的工作

• RAG系统组件？调用顺序，超时安排？ - 吟唱RAG流程 清洗 切片 embedding 向量库 用户请求 embedding 查询 重排序 拼prompt llm处理返回 超时重点安排给查询与llm（涉及数据处理 | 外部系统）；讲可以向量数据库或者pg加pg vector
• 向量库查询相似度低？- 聚合计算等不适合做的不用向量库，改es等传统的；列举短Q长A场景，改写Q风格结构，长度等提高相似度（提到用户意图改写风险）；数据清洗等改写A （inspired by）
I asked them to show me their RAG pipeline...
RAG (Retrieval-Augmented Generation) is a widely adopted technique that gives LLMs access to external documents. We briefly discuss its roots in Information Retrieval and the transition from sparse to dense retrieval. Continua AI shares how they leverage HyDE (a query augmentation technique) to enhance their RAG pipeline in the context of group conversations / social AI. 📖 HyDE paper: https://arxiv.org/abs/2212.10496 🔗 Continua AI: https://continua.ai/ 🎤 Interview with David Petrou, CEO of Continua: https://www.patreon.com/posts/interview-with-143106016 🔗 Olga Dorabiala on LinkedIn: https://www.linkedin.com/in/olga-dorabiala-140930151/ 00:00 What is RAG? 02:02 RAG is rooted in Information Retrieval 03:50 RAG challenges 05:44 Continua AI uses HyDE for their RAG pipeline

https://www.youtube.com/watch?v=l9JktgnaII0

• 你提到ES也可以搜索，ES跟向量你选哪个？- 都有缺陷，需要实际作demo拿数据分析说话，向量短Q长A匹配难说，ES依赖分词规则，缺乏灵活性，提到两个llm智慧参与度都低，难说效果，需要实测效果【当时没提到，复盘想到的：在X上看到的MSA工作，16k到100M 9%衰减，4B战200+B，在模型层面解决长上下文】（inspired by）
艾略特 on Twitter / X
论文来了。名字叫 MSA，Memory Sparse Attention。一句话说清楚它是什么：让大模型原生拥有超长记忆。不是外挂检索，不是暴力扩窗口，而是把「记忆」直接长进了注意力机制里，端到端训练。过去的方案为什么不行？RAG… https://t.co/05ORvQzld5 pic.twitter.com/tOXz0pzc4J— 艾略特 (@elliotchen100) March 19, 2026

https://x.com/elliotchen100/status/2034479369855590660?s=20

• Java接口与抽象类区别？ - 吟唱 多 vs 单继承；行为约束（抽象方法，补充有default实现与public final常量）vs 复用状态与约束（约束用rimworld的营养膏机举例，冰冻营养膏机也是营养膏机，受到相关约束）；提到组合也可以避开单继承限制，但不服用约束，不走里氏代换
• 以后拓展其他建筑，这两个怎么选？ - 提到拓展的建筑只有一些共用行为，没有共用状态，也不复用约束，使用接口；补充自己之前提到的案例应该走抽象类（复用约束，走里氏代换）

• 消息队列原理与应用场景？ - 谈建单与推进状态改库存异步解耦；谈大促流量生产者快消费者慢削峰填谷流量整形；RocketMQ事务消息做本地事务与发消息的一致性
• 怎么定位问题？ - 通过普罗米修斯与grafana监控指标定位问题区域；根据日志上下文定位问题区域；检查是否有慢SQL，外部调用超时问题；arthas与火焰图定位链路各处消耗时延，对大头关注处理
• 消息堆积怎么办？ - 找慢SQL等长时间调用；上游在（如用outbox本地消息表）保障至少投递一次时通过像幂等等减少重复投递；RocketMQ topic数据分片多个message queue然后扩容消费者组；限流降级兜底保障系统存活，避免干烂上下游

• 怎么设计防止恶意刷好评恶评？- 监控用户行为指标，统计低于多少观看时间阈值做出行为数量，特殊标记，做风控与限流；机器学习识别相关特征
• 机器学习找哪些特征，误杀怎么办？- 用户行为指标，做出行为时间，行为是否单一等；指标放长期来看，更加合理；运行用户申诉兜底；对同IP大量请求封IP，提高商户刷评的成本（需要使用代理池等）

• 压力大的时候快速解决问题，怎么做的？- 抓关键与直接关联的
• 怎么抓关键与直接关联的 - 谈反过来想少了什么会出事（讲的差不多的时候时限到了，自动交卷）
• 碰到陌生的你没法这么做怎么办？- 谈你不会你子产品有人会，你子产品没人会部门有人会，再不然集团总有人会，直接问，如果有文档查文档；补充AI时代，你直接AI查（Grok Search MCP快速检索，提了一下其他选择exa跟tavily），举例极端的Grok Heavy 16 Agent并发Web查询，60s返回四位数信息源，比人快捷，直接高效处理，如果担心信不过交给其他幻觉低的LLM（讲GPT5.4xhigh与Claude4.6Opus验证），再不信就给其他人验证

Neon

• 自我介绍 项目介绍 - 学校 专业 Web背景 AI工具 过了一遍支付链路

• rag流程，长下文，切块，重排 - 流程经典吟唱，长上下文讲了codex /compact总结传递下一context window跟外置md存储，切块重排没做过
GPT5.4复盘答案

• redis数据结构 - 基本八股，讲了有string, hash, zset, list，讲了zset的跳表+哈希实现，跳表的过程

• 谈业务面向欧洲，RAG智能客服 - 提到其他海外竞品

• 聊现有的AI盈利方向 - 讲国内版的CC与Codex生态位，讲私域数据获利（也就是最有价值的部分不在于其相关AI Agent产品，主要是私域用户数据与相关API调用值钱，不过都会拒绝其他地方的获取，通过将这些值钱的部分捆绑产品销售）

• Spring源码 - 记不得一点

• MySQL B+树索引 - 讲了B+在MySQL里的特色实现，索引组织表的设计所以数据都存在聚簇索引的叶节点，对比了一下PG存的row id，进而PG没有什么二级索引的说法，讲了下B+里各层有链表结合元数据的数据给explain来估计数据量

• 有索引(a, b) (a, c)，条件只有a，走哪个 - 问的过于模糊，MySQL按照成本选择，可以是第一可以是第二，可以是不选，信息不太够，讲了根据explain看一下key走哪个，觉得不太够的话可以explain analyse真跑一遍看看走的哪个

• MySQL B+树 高度计算 - 第一次见这个说法，复盘看出来是经典老八股，InnoDB一页16KB

• MySQL 数据量大为什么慢，约束了下边界，说是索引没问题，explain按照最新统计数据更新过 - 没见过，怀疑是B+多了一层，复盘想想多一层也不至于，答的过于简单，AI回答是所有操作的放大

• 多个业务间协作，没法一个Seata圈住你怎么做 - 部门协商MQ解耦通信

• LC - 18 四数之和 → 15 三数之和【四数看着有点吓人，换了三数，复盘看来其实只多一层循环，三数出来四数其实就出来了】

• 实习时长 多个offer你怎么选

Moran

• 比较偏主动发散与聊天

• 模型能力不足的情况下能力补足 - 谈了Superpowers这类skill框架加以约束，在重要节点把关（风险，规格），人工review关键节点与TDD，review测试，SubAgent作测试，Agent分工隔离（提了下OpenCode - oh-my-opencode的相关内容），串了一下Superpowers的工作流程（BrainStroming 需求转规格，落设计plan到md持久化留痕，规格转计划实现，进Plan Mode逐步推进，然后TDD自测验收，最后总结）

• 模型偷懒，虚假汇报的情况 - 讲了下与模型能力本身强挂钩，提到在GPT3.5与Gemini2.5Pro时期有遇到，需要人工review或测试兜底，在4.5 Opus后没见过

• 跨Agent共享上下文 - 谈到md共享，但可能md文件太大，考虑做一些检索的工作，提到Codex里那种/compact，进行总结（保留关键信息不变）后丢给其他分工Agent

• 项目与全局的AI限制 - 谈了Codex那种项目下的Agents.md与全局的Agents.md（~/.codex/）的做法

• 谈AI相关一些名词 - 串联一边Prompt（讲对弱能力AI主要做边界约束 | 对强能力AI主要做风格约束 | 生成Prompt实践讲给Prompt Guide 101文档然后提需求，给例子，举了二语习得里的案例） Workflow（提了下Coze与n8n工作流，说到很多外部调用依赖，可靠性不好保障） MCP（提了Grok Search MCP，讲了Grok Heavy 16 Agents网络搜索能力，60s内上千信息源） Skill（回谈Superpowers框架，谈主要渐进披露 + 确定性命令与流程（比如bash命令）的复用，讲举例Electron开发里复用约束要求开GPU加速与限制Electron版本，高版本Electron更优的wayland协议支持，提到开发者模式便于前端开发调试px等参数）Agent（Codex， CC等）Harness（提到Anthropic的博客，自动化）【对Harness的展开不够多，对于长时间的自动化相关涉及有点浅】

• 如何验收保障AI开发的结果正确 - 提到前端开发的需要UI渲染的部分必须实际上产品走一下，后端接口可以UT等测试，人工把关关键测试，Review一下【忘记提及，应该补充这一类“Chrome”型APP实际都可使用Playwright做自动化测试，可以以MCP交给大模型自动测】

• 定时任务阻塞 - 讲了XXLJOB里监测不成功手动重跑，没有做一些自动handle的处理

• Redis业务层进行对占空间的项目的清理标准 - 讲了下按一段时间的访问次数来

• 什么时候共享线程池 什么时候隔离线程池 - 只提到隔离外部副作用与业务隔离来隔离线程池，没有太关注共享的情况

• 模糊需求怎么做？ - 提了与AI来回讨论，有很多AI问澄清的环节，提到如果自己给方案可能会有类似以下的结果
1.A - 2.B - (recommended) 3.C -
AI会review自己方案，然后可能提出一些其他更好的设计，来回交流几步再定下来

• 讲一下AI可能不好把握的东西？- 提到AI不一定把握住Scale，比如按照Demo的规格写了应用，对于安全等方面考虑不足，性能考虑欠缺，讲了下如果设计前端组件可能不做防抖节流，可能不做样式统一等【应该补充一些AI硬编码泄露API密钥的案例】

• 超时关单怎么做的？ - 谈了关单回补，说定时任务去扫，然后回补DB与Redis，讲了下DB里其实分可售库存与已售库存，超时关单只需要恢复可售库存与Redis预扣库存（只有支付了才会增加已售库存）

• 谈了很多不能让AI又当运动员又当裁判的事 - 当时只达到写Review，外部检查与SubAgent Review【当天面完晚上做完笔试读了Anthropic的3.24的Blog，基本就是对口方案了】

[2026.3.27]优质blog笔记 | CamelliaV の BLOG

优质blog的记录 - 代理 | AI

https://camelliav.netlify.app/article/blog-notes

• 自己提问 AI观测性相关实践？追问有一些对COT等进行把关的，提及COT与AI行为未必完全一致（提到Anthropic以前一篇博客），如何填补这一块空缺？（讲到缺少与传统后端Prometheus + Grafana的AI相关等价物）

• 自己提问 内部一些AI相关实践？内部MCP Skill？如何对现有的业务赋能？什么落地场景？

Arcana

• 连续抛🪙 连续两次1 平均次数多少？ - 面的时候没看懂题，咨询一下5.4xhigh，完整题目是“ 连续抛硬币，直到连续出现两次 1，平均要抛多少次？”

• 反转链表 迭代与递归 【敲得时候似乎忘了步进cur，递归写得卡循环了】

• 项目-支付链路

• 串联AI相关 - 吟唱经典prompt mcp skill agent harness，谈按模型能力决定加法还是减法，谈Anthropic的3月24日Harness博客，谈天猫3月27日的胶水编程博客

• mcp占用上下文多怎么处理？- 谈了下mcp2cli + skill的按需加载思路【还应补充大mcp拆成小而专的，以及subagent的问题】

• 反问业务与日常开发的模型；反问是否有工作流实践（superpowers，compound engineering + gstack）；反问业务内容

Shifty

• 提问了vercel相关

Rapi

• 项目二十来分钟

• 四轮手撕无法战胜

Sora

• 项目 + AI，难得一次机会既共享了白板又共享了博客讲

• 复用了白板，讲了博客里Agent Harness

TODO:

Syuen

Nihilister

Scarlet