这场面试几乎围绕候选人的线上性能治理 + 京东外卖优惠券秒杀系统展开：前半段从 Full GC、CPU、线程池切入，后半段连续深挖布隆过滤器、库存扣减、多级缓存一致性、MQ 幂等、Redis 大 Key / 热 Key 和 TCC。整体最大的特点就是：不满足于“方案是什么”，而是不断构造异常场景，追问你的方案到底能不能兜住。

这场滴滴支付中台一面从候选人的双 11 优惠券高并发项目切入，围绕 Redis 大 Key / 热 Key、多级缓存一致性、千万级发券与绑券、库存安全、分布式事务与 TCC 连续深挖，随后又考察了 LRU、AQS、CAS、volatile、MySQL 联合索引、事务与间隙锁、平衡二叉树 等 Java 后端高频内容。整体非常贴近支付中台对于高并发、数据一致性和异常恢复能力的考察。

整场面试几乎没有常规算法题，而是围绕候选人的真实项目一路向下深挖，尤其集中在百万 QPS 优惠券系统、缓存与库存一致性、服务稳定性、全链路压测、分库分表，以及 Agent / RAG 工程化。

这场高德打车二面非常偏工程实战：从百万 QPS 优惠券系统一路追问缓存一致性、库存扣减、全链路压测和分库分表，最后再深挖 Agent 的意图识别、评估与 RAG 检索。

本场面试横跨传统后端与 AI 应用两条主线，既深挖了营销、支付系统中的高并发、缓存一致性与稳定性治理，也重点考察了 RAG 检索、Agentic Search、上下文管理和智能编码助手的工程实践。

这场企业微信一面先用三道算法题考察编码基本功，随后围绕 AI 编码助手展开高强度追问，重点深挖意图识别、文档切块、混合检索、知识图谱、多 Agent 与 RAG 工程化，最后补充考察 Redis、MySQL、Elasticsearch 和网络基础。

正常面试持续近两小时，也算是持久战了。

这场知乎二面几乎没有传统八股和算法题，而是围绕候选人的真实项目经历展开深挖，重点考察了 百万 QPS 场景下的高并发治理、缓存架构与一致性，以及 AI Coding、SDD、Agent 工程化落地能力。

相比“你知不知道某个技术”，面试官更关注的是：你到底解决过什么问题、方案为什么这样设计，以及 AI 和 Agent 真正进入工程流程以后，效率、规模和架构问题怎么解决。

整场面试先围绕候选人的稳定性和高并发项目展开，随后重点考察 Agent 工程化落地能力，以及 Elasticsearch、Redis、Golang 等后端技术的底层理解，面试官尤其关注候选人能否跳出名词堆砌，给出真正可落地的系统设计。

这场百度二面没有大范围轰炸八股，而是围绕 AI Coding 的上下文搜索、研发流程工程化和 RPM / TPM 限流持续深挖，重点考察候选人能否把大模型能力真正落到工程系统中。

这场面试前半段围绕智能客服 Agent 项目展开，重点考察知识库隔离、MCP 工具调用、结构化卡片生成、模糊意图识别和高风险操作控制。后半段转向服务端工程能力，主要涉及数据一致性、接口幂等、缓存、高并发、线程池、任务恢复和数据库无损迁移。

本场面试主要围绕 AI 客服 Agent、多 Agent 架构、Workflow 与 ReAct、意图识别、RAG 检索优化、GraphRAG 等内容展开，最后考察了一道全排列算法题。