面试准备手册：高频问题 + 参考答案 + 项目讲解话术

适用简历： 杨栋文 · Java 后端 / AI 应用后端 · 5 年
使用方式： 先背「30 秒 / 2 分钟自我介绍」和「项目讲解主线」，再按公司类型重点刷对应章节。
原则： 答案对齐简历数字与事实；不会的坦诚边界；独立项目强调「工程化」而非「调过 ChatGPT」。
AI 工具台追问： 面试官视角题库和优先 8 道口述见 面试题_AI工具台_面试官视角.md。

目录

1. 面试叙事总策略
2. 自我介绍话术
3. 项目经历怎么讲（重点）
4. 项目深挖问答
5. Java / 基础技术问答
6. 数据库 / 缓存 / 消息队列
7. 微服务 / 工程化 / 安全
8. AI 应用后端专项
9. 行为与软技能
10. 反问面试官（推荐）
11. 按岗位类型的侧重点
12. 面试红线与避坑

1. 面试叙事总策略

1.1 你的人设（一句话）

5 年 Java 后端，华为外派做过平台型业务交付（设备/工单/AI 语料工厂），最近独立把 LLM 做成可上线的异步任务系统（状态机、调度、多供应商、安全隔离）。
既能在团队里主导模块上线与性能优化，也能从 0 设计可演进架构。

1.2 经历主线（时间线）

1.3 讲解优先级（面试时间有限时）

1. AI 工具台（差异化，中高级/AI 岗必讲）
2. EnvManage（规模感、主导模块、量化结果最硬）
3. AIFactory（分表 + Kafka + 语料，接 AI 业务）
4. 天珑 BPM（一笔带过即可，证明完整职业路径）

1.4 STAR 模板（所有项目通用）

2. 自我介绍话术

2.1 30 秒版（开场）

面试官您好，我是杨栋文，5 年 Java 后端。
前两年在天珑做企业 OA/BPM，后面三年软通外派华为，主要做测试环境管理平台和 AI 训练数据工厂，主导过设备资源、工单、语料管理等模块，有百万级导出、分库分表、Kafka 标注流水线这些落地经验。
最近我独立做了一套 AI 内容工具台，把视频理解、文生图、AI 成片、文章二创做成统一的异步任务 + 多模型接入架构。
希望在贵司继续做 Java 中高级后端或 AI 应用后端，期望薪资 15～20K。

2.2 2 分钟版（技术面开场）

我的经历可以分三条线：
第一，平台业务。 在华为 EnvManage，平台接 5000+ 设备、15+ 实验室。我从微服务底座搭到设备/资源池/工单/监控，工单导出用 SXSSF 流式把内存压到 50MB 内，HiTest 同步从 30 分钟优化到 5 分钟。
第二，数据与 AI 业务。 在 AIFactory 负责语料生命周期，分库分表后查询从 3 秒到 200 毫秒，用 Kafka 做多模态标注，CompletableFuture 做评测报告异步化。
第三，AI 工程。 独立项目里我验证的不是「会不会调模型」，而是怎么把 LLM 做成业务系统：任务状态机、调度槽位、Port-Adapter 换供应商、LangChain4j/OkHttp 可回滚、SSE 进度、SSRF 和用户隔离。
技术栈上企业侧是 Spring Boot/Cloud、MySQL、Redis、Kafka；AI 侧补了 Java 17、Boot 3、LangChain4j、多进程协作。
下面我可以按你们更关心的方向展开：华为平台细节，或 AI 工具台架构。

3. 项目经历怎么讲（重点）

建议总时长： 技术一面 8～12 分钟讲项目；每个项目 2～4 分钟，留时间给追问。

3.1 项目 A：AI 智能内容工具台（独立项目 · 首选开场）

适合场景

• 岗位 JD 含：AI、大模型应用、内容中台、SaaS、工具链
• 面试官问：「最近在做什么？」「有没有从 0 到 1？」

2～3 分钟口述稿（建议背熟骨架）

背景： 企业里我做过语料和标注，但调用模型往往被藏在流水线节点里。我想系统验证一件事——怎么把 LLM 做成可靠业务系统，而不是 Demo。

目标： 做一个可上线的 AI SaaS 骨架：用户登录会员 → 提交任务 → 异步跑流水线 → SSE 看进度 → 拿到结构化结果。能力覆盖看、写、画、成片。

架构：

• 后端 Java 17 + Spring Boot 3，前端 Vue 3；
• 每个工具独立包、独立任务表，共用一套模式：提交 → PENDING → 调度槽位 → 状态机 → 成功/失败/暂停；
• LLM 走统一 LlmChatClient，LangChain4j 和 OkHttp 双实现，配置可回滚；
• 生图、抓取、渲染等用 Port + Adapter，业务不绑死厂商；
• 辅助进程：Python Whisper 做 ASR，Node Remotion 做视频渲染，Java 编排。

四个工具举例：

1. 视频提取：链接下载 → 抽音 → 转写 → LLM 出要点/章节/二创；
2. 文生图：提示词润色 → FLUX 出图；
3. AI 成片：分镜 JSON → TTS/配图 → Remotion 成片；
4. 文章提取：安全抓取或粘贴降级 → 核心提取 + 多形态 rewrite。

我个人： 产品定义、架构、后端主体、联调、单测和设计文档，大约 500 个 Java 文件，另有 80+ 单测。

价值： 证明我能独立完成 AI 业务从设计到落地，并带着安全、限流、可替换、可观测这些工程意识。

讲解时建议画的简易架构（口述即可）

Vue 工具台 ──REST/SSE──► Spring Boot（鉴权/任务/调度）
                              │
          ┌───────────────────┼───────────────────┐
          ▼                   ▼                   ▼
     视频/文章流水线      文生图/成片流水线      Chat Agent
          │                   │                   │
     Whisper / yt-dlp    FLUX / Remotion     LLM Tool 调用
          └───────────────────┴───────────────────┘
                    LlmChatClient（可切换引擎）
                    ai_model_config 多模型

主动抛出的 3 个「钩子」（方便面试官追问）

1. 「为什么各工具独立表而不是一张大任务表？」→ 状态机/产物不同，避免耦合。
2. 「为什么 LLM 要双实现可回滚？」→ 框架升级风险可控，业务不绑死。
3. 「文章抓取为什么要粘贴降级 + SSRF？」→ 反爬与安全是产品约束，不是硬爬。

3.2 项目 B：EnvManage 测试环境管理平台（华为 · 硬指标项目）

适合场景

• 传统中后台、运维平台、设备/资产、工单类 JD
• 面试官重性能、并发、微服务、集成

2～3 分钟口述稿

背景： 华为内部测试环境管理，设备多、实验室多，要管设备信息、资源占用、工单、监控，还要对接 LCM、HiTest 等外部系统。平台规模大约 5000+ 设备、15+ 实验室，可用性要求高。

我的角色： 参与微服务 0 到 1 底座，主导设备、资源池、工单等模块设计开发与上线。

几件有技术含量的事：

1. 资源占用锁： 设备占用/释放要防并发双占，用锁机制保证同一时刻只能被一方占用。
2. 工单百万级导出： 普通 POI 容易 OOM，我用 SXSSF 流式写 + 分页查 + chunked 响应，内存控制在 50MB 内，大约 3 秒级响应，业务侧处理效率提升约 60%。
3. 监控链路： 定时任务 + Redis + LMAX Disruptor 异步并行，把监控响应压到 500ms 内；大文件走 OBS 分块上传下载。
4. 集成与性能： 适配器封装 LCM/HiTest；HiTest 改增量同步后，同步从 30 分钟降到 5 分钟；状态查询走 Redis 缓存。

收获： 平台型产品里，边界清晰的模块 + 外部系统适配 + 可量化的性能优化 比单纯写 CRUD 更重要。

讲解顺序建议

底座 → 设备/资源池（业务核心）→ 工单导出（技术亮点）→ 同步优化（结果数字）→ 集成模式（可扩展）

3.3 项目 C：AIFactory 智能数据工厂（华为云 · 数据/AI 衔接）

适合场景

• 数据中台、标注平台、AI 训练数据、Kafka 流水线
• 想从企业 AI 业务过渡到独立 AI 项目时的「桥」

2 分钟口述稿

背景： AI 训练需要大量语料，平台要覆盖采集、标注、测试、评估闭环，日处理到十万级。

我负责语料全生命周期： 创建、上传、标注、查询、版本。语料类型有图片、视频、音频、多模态，数据量大，查询一度到 3 秒。

关键动作：

• 按类型做分库分表，再配合 SQL 与索引优化，查询到约 200ms，大约 15 倍；
• 大文件分片 + 流式上传，单次十万级文件，内存控制 50MB 内；
• 标注侧用 Kafka 解耦，多模型并发；流水线是 DAG，支持暂停终止；
• 评测指标用策略模式 + 表达式配置，PDF 报告用线程池异步生成，吞吐大约 3 倍。

和现在独立 AI 项目的关系： 企业侧我熟悉「数据进流水线再出结果」；独立项目里我把「LLM 节点」本身做成了可调度、可替换、可观测的系统。

3.4 项目 D：天珑 BPM / 简历库（快速带过）

40～60 秒口述稿

第一份工作在天珑做 BPM 和企业简历库。BPM 基于流程引擎和 BPMN，覆盖采购、HR、财务审批，对接过 SAP、EHR、MES，还有企微移动审批。简历库做多格式存储、打标、检索和权限。
这段经历让我熟悉完整企业业务和系统对接，也为后面做平台型产品打下基础。更复杂的并发、分表和 AI 工程主要在华为和独立项目里。

3.5 多项目串讲（面试官说「按时间线介绍」）

2021 年毕业进天珑，两年 OA/BPM，熟悉流程和跨系统集成。
2023 年进软通外派华为，先做 EnvManage，把微服务底座和设备工单监控做扎实，也做出导出和同步这些性能优化。
后来参与 AIFactory，接触语料分表、Kafka 标注和评测闭环，开始贴近 AI 数据业务。
2026 年中开始独立做 AI 内容工具台，把平台工程经验迁移到 LLM 应用：任务系统、适配器、安全与实时推送。
所以我的路径是：业务系统 → 平台与性能 → 数据/AI 流水线 → AI 应用工程化。

4. 项目深挖问答

4.1 AI 智能内容工具台

面试官视角的完整追问清单、优先 8 道 60～90 秒口述，见 面试题_AI工具台_面试官视角.md。下面是较短的参考答，和那篇有出入时以代码与那篇为准。

Q1：为什么要做这个项目？和「调一下 OpenAI API」有什么区别？

答：
调 API 只解决「模型会不会答」。业务系统要解决：谁能用、任务多久跑完、失败怎么重试/暂停、进度怎么推、模型换了代码改多少、会不会被 SSRF 打穿、会不会串号看到别人数据。
我做的是后面这一整套：鉴权会员 + 异步任务状态机 + 调度限流 + Port-Adapter + SSE + 安全。

Q2：任务状态机怎么设计的？为什么要调度槽位？

答：
典型状态：PENDING → 运行中各阶段 → SUCCESS / FAILED / PAUSED。不同工具阶段名不同（如下载、转写、总结、渲染），但模式统一。
调度槽位是每类工具自己的并发上限（例如视频提取同时最多 2 个），存在进程内存的 TaskSlotKernel 里，避免视频和成片抢同一组槽。LLM、ASR、渲染都贵且慢，请求来多少跑多少会打满机器和供应商配额。
槽位 = 用吞吐换稳定。现在是单机设计；多实例不能直接复用这套内存槽。

Q3：LangChain4j 和 OkHttp 双实现怎么做？为什么要可回滚？

答：
业务只依赖统一的 Chat 出口（如 LlmChatClient），下面两个 Adapter：一个走 LangChain4j，一个手写 OkHttp 调 OpenAI 兼容协议。用配置项切换。
原因：引入新框架有兼容/超时/流式细节风险；双实现可以灰度，出问题一键回 OkHttp，业务流水线不用改。Chat 文本和 FLUX 生图协议也分开，避免硬套。

Q4：什么是 Port-Adapter？举个你项目里的例子。

答：
Port 是业务定义的接口（「我要一张图」「我要分镜 JSON」），Adapter 是对接具体厂商的实现。
例如文生图：ImageGenPort → NvidiaFluxImageAdapter；以后换别的厂商只加 Adapter，流水线不变。
抓取、渲染同理。这是六边形架构的务实用法，目的是变化隔离在边界。

Q5：SSE 和 WebSocket 你为什么选 SSE？

答：
任务进度和聊天流式以服务端推送文本事件为主，客户端以接收为主，SSE 足够，实现和代理兼容通常更简单。
真取消可以配合服务端注册表中断生成。若以后要强双向（客户端频繁上行控制），再评估 WebSocket。

Q6：视频提取流水线失败了怎么处理？长视频怎么办？

答：
阶段失败进入 FAILED，保留错误信息；支持暂停等状态。长视频避免简单头尾截断导致中间信息丢失，用分层摘要/分段策略；理解模式可配置 audio-only / hybrid，控制成本和质量。
（按你实现细节补充：重试是否整管线、是否断点续跑。）

Q7：文章抓取的 SSRF 怎么防？

答：
用户提交任意 URL 时，服务端若直接请求，可能被导向内网（如 127.0.0.1、云元数据地址）造成攻击。
做法包括：协议与端口限制、解析 DNS 后校验目标 IP 非私网/保留地址、DNS 钉扎（请求打到已校验的 IP）、超时与大小限制。
强反爬平台不硬刚，提供粘贴正文降级，保证产品可用且合规风险可控。

Q8：Agent 里为什么写操作要确认？

答：
模型会幻觉。如果自然语言直接「删除/批量创建任务」而不确认，误操作成本高。
所以 Tool 分查询与写入；写入先出确认卡，用户确认后再执行，并且全程带 userId，禁止越权。

Q9：这个项目有真实用户/营收吗？

答（诚实版）：
目前以独立产品工程验证和持续迭代为主，重点交付的是可运行的架构与模块完整度（鉴权、多工具、文档与单测）。若面试官追问数据，不编造 DAU；可强调下一步是完善支付进件、配额与部署。
价值主张放在工程能力可迁移到公司业务。

Q10：代码量大约 500 个 Java 文件，你怎么保证质量？

答：
模块边界清晰（video/aigen/imggen/article/auth…）；关键路径有单测（URL 安全、适配器、状态等）；设计文档写清决策与验收；配置外置；LLM 出口可回滚降低集成风险。

4.2 EnvManage

Q11：资源占用锁具体怎么做的？分布式吗？

答：
业务上要保证设备不能被两个任务同时占用。实现上在占用/释放路径加互斥（按你实际：DB 乐观锁/状态机条件更新、或 Redis 锁、或二者结合）。
面试时讲清三点：

1. 临界区是什么（占用状态变更）；
2. 失败怎么返回（已被占用）；
3. 异常释放（超时、任务失败是否归还）。
   若只用了单机锁而部署多实例，要主动说明局限与改进（分布式锁/DB 条件更新）。

Q12：百万级 Excel 导出为什么内存能 < 50MB？

答：
传统 XSSF 整表进内存会 OOM。SXSSF 是滑动窗口流式写盘；查询侧分页拉数据，而不是一次 select 百万行；HTTP 用 chunked 边写边刷。
三者结合后，内存近似「页大小 + 窗口」，而不是「全表」。
结果：内存约 < 50MB，响应约 3 秒级，业务处理效率提升约 60%。

Q13：HiTest 同步 30 分钟到 5 分钟，你做了什么？

答：
全量同步每次拉全量设备数据，数据大、耗时长。改为增量同步（按时间戳/版本/变更集，按你实际字段说），只处理变化部分；再配合任务拆分与缓存。
收益主要来自减少无效数据传输与写入，而不是单纯加机器。

Q14：为什么用 LMAX Disruptor？和线程池比呢？

答：
监控场景是生产者（采集/定时任务）持续产生事件，需要低延迟并行消费。Disruptor 是环形队列 + 无锁设计，适合这种高吞吐事件处理。
线程池更通用，但在超高频事件路上队列与锁竞争可能成为瓶颈。我们用在监控异步并行路径，目标是响应 < 500ms 量级。
（若面试官很深，承认：业务量级未必打满 Disruptor 极限，但选型解决的是异步解耦与并行处理结构。）

Q15：适配器模式在集成里怎么体现？

答：
LCM、HiTest 接口不同。业务服务依赖统一的「设备申请/同步」抽象，具体 HTTP 调用、URL、字段映射在 Adapter 里；URL 可配置。
好处：外部系统变更时改适配层，核心领域逻辑稳定。

Q16：5000+ 设备、99.9% 可用性，你个人贡献边界？

答：
平台级数字是团队/产品结果；我的贡献要落到主导模块与可验证优化（导出、同步、占用、监控链路、底座能力）。
不把整个平台可用性都说成自己一人保证，但可以说：模块设计考虑失败降级、缓存、异步解耦，支撑稳定性目标。

4.3 AIFactory

Q17：分库分表怎么分的？中间件？

答：
按语料类型（图/视/音/多模态等）与数据规模做分片策略，结合 ShardingSphere；查询慢主要来自大表扫描与索引不当，分表后单表更小，再优化 SQL/索引，RT 从约 3s 到 200ms。
追问准备：分片键是什么、跨片查询怎么避免、分页深度问题。

Q18：Kafka 在标注流水线里扮演什么角色？

答：
上传/待标注事件进 Topic，消费者调不同标注模型，生产者与消费者解耦，可水平扩展消费能力，避免同步 HTTP 打爆模型和拖垮上传接口。

Q19：任务重跑如何保证数据一致性？

答：
重跑会产生重复结果。我们按 corpusId + indicatorId 去重，保留最新记录（如 LinkedHashMap 顺序策略或 DB 唯一键/覆盖写）；批量写减少 IO。
目标是：可重跑、结果可解释、不脏读一堆历史分。

Q20：大文件 10 万+ 上传如何控内存？

答：
分片上传 + 流式读写，不把全部文件一次性读进 JVM；控制并行度；落对象存储/盘后只保留元数据在 DB。

4.4 天珑 BPM

Q21：BPMN 并行网关、条件分支怎么理解？

答：
条件分支按表达式走不同路径；并行网关多条分支同时进行，汇聚后再往下。审批流里常见「会签/并行部门审批后再汇总」。

Q22：和 SAP 等系统对接注意什么？

答：
数据模型不一致要用适配/转换层；注意事务边界（对方失败是否回滚本地）；接口超时与重试；主数据以谁为准。我们做实时同步时重点保证字段映射正确和失败可查。

5. Java / 基础技术问答

Q23：HashMap 和 ConcurrentHashMap？

答：
HashMap 非线程安全；ConcurrentHashMap 用分段思想/CAS+synchronized（JDK8）保证并发读写安全。缓存、统计等高并发共享 Map 用 CHM。
（可联系：本地缓存、计数、任务注册表。）

Q24：线程池参数怎么设？

答：
核心参数：core、max、queue、reject、keepAlive、threadFactory。
IO 密集（调 LLM、下载）可增大线程、队列要有界防 OOM；CPU 密集靠近 CPU 核数。
拒绝策略按业务：调用方感知用 Abort + 友好错误；不能丢可用 CallerRuns 降速。
AI 任务更倾向「有界队列 + 明确拒绝/排队中状态」，而不是无界队列。

Q25：CompletableFuture 用过吗？

答：
AIFactory 异步生成 PDF 报告：提交计算任务并行执行，allOf 汇总，避免同步接口长时间阻塞，吞吐大约提升 3 倍。
注意：自定义线程池，避免用默认 commonPool 打满；异常要用 exceptionally/handle 处理。

Q26：CountDownLatch 在你项目里怎么用？

答：
多步异步任务需要「全部完成再进入下一步」时，主流程 await，子任务 countDown。EnvManage 多步流程完整性用过这类同步工具。
与 CF 区别：Latch 更偏一次性等待计数；CF 更偏组合异步结果。

Q27：Spring Bean 循环依赖？

答：
单例 setter/字段注入时三级缓存可缓解；构造器注入循环会失败，说明设计耦合，应拆模块或引入事件/接口。
实际更建议从设计上消除循环。

Q28：事务失效场景？

答：
同类自调用不走代理；异常被吞；非 public；错误的传播级别；多线程里子线程无事务上下文等。

Q29：Java 8 和 17 你用过哪些差异？

答：
企业项目多 Java 8；独立项目 Java 17 + Spring Boot 3（Jakarta 命名空间）。
17 有 records、text blocks、更强的 GC/性能与长期支持。迁移要注意 javax.* → jakarta.* 与依赖升级。

6. 数据库 / 缓存 / 消息队列

Q30：如何排查慢 SQL？

答：
慢查询日志 → explain 看 type/rows/额外 filesort；补合适索引；避免 select *；大分页改游标；必要时分表。
语料查询优化是分表 + SQL/索引组合拳。

Q31：索引失效常见原因？

答：
对索引列运算/函数；隐式类型转换；前导模糊 like；最左前缀不匹配；or 一侧无索引等。

Q32：Redis 一般缓存什么？穿透/击穿/雪崩？

答：
设备状态、热点配置、会话相关数据等。
穿透：布隆/缓存空值；击穿：互斥锁或逻辑过期；雪崩：过期时间打散 + 多级缓存 + 限流。

Q33：Kafka 和 RocketMQ 怎么选？（结合你简历）

答：
我在 AIFactory 用 Spring Kafka 做标注解耦，适合日志/流式/高吞吐事件。RocketMQ 在国内业务消息、延时消息等场景常见。
选型看团队生态、消息语义、运维成熟度；我具备消息驱动拆分同步链路的实践。

Q34：消息丢失/重复怎么处理？

答：
丢失：生产者确认、副本、消费者提交位点时机。
重复：消费者幂等（唯一键、去重表、业务状态机）。
标注/评测重跑场景我们按业务键去重保留最新。

7. 微服务 / 工程化 / 安全

Q35：微服务 0 到 1 你做了哪些？

答：
日志与全局异常、多环境配置、敏感配置加密（Jasypt）、Flyway 迁移、CI/CD、（网关/注册视项目）、统一返回与基础组件，让业务模块可快速接入。

Q36：Gateway 的作用？

答：
统一入口、路由、鉴权、限流、灰度。AIFactory 侧有 Gateway 统一接口调用相关实践。

Q37：JWT 优缺点？怎么做注销？

答：
无状态、易扩展；缺点是注销难、载荷不宜太大。
注销可用：短过期 + 刷新令牌；黑名单（Redis）；版本号/密码变更使旧 token 失效。
我独立项目用 Spring Security + JWT + BCrypt + 邮箱验证码。

Q38：BCrypt 为什么比 MD5 好？

答：
BCrypt 自适应耗时、自带 salt，抗彩虹表与暴力；MD5 快且不该用于密码。

Q39：配置加密、密钥怎么管理？

答：
Jasypt 等加密配置文件敏感项；生产密钥走环境变量/密钥服务，不进仓库。独立项目同样密钥外置。

8. AI 应用后端专项

Q40：LLM 结构化输出怎么保证？

答：
Prompt 明确 JSON schema；用模型 JSON mode（若支持）；服务端反序列化到 POJO，失败重试或降级；关键字段校验。
视频摘要、分镜、文章核心提取都走结构化，而不是自由散文难解析。

Q41：如何控制 LLM 成本与延迟？

答：
并发槽位；能短则短的上下文（分层摘要而非整段硬塞）；模型分能力（chat/image/omni）；缓存相同请求；会员配额；异步任务避免占用 HTTP 线程硬等。

Q42：多模态和纯文本链路怎么选？

答：
有口播的内容 ASR+文本 LLM 性价比高；PPT/无口播/画面信息重要时上 hybrid/omni。默认可用 audio-only 控成本，产品再放开 hybrid。

Q43：你对 Agent 的理解？

答：
不是让模型为所欲为，而是 LLM 决策 + 受限工具 + 权限与确认 + 可审计。
我做的是站内工具 Agent：查任务、创建任务需确认，强制用户隔离。

Q44：LangChain4j 在项目中解决什么？不解决什么？

答：
解决：Chat 调用、部分结构化输出增强、统一供应商接入体验。
不解决：也不该接管任务调度、TTS、Remotion、FLUX 协议细节——那些是业务与多媒体流水线。

9. 行为与软技能

Q45：为什么离开 / 看新机会？（按实情改）

参考框架：

希望在业务上更聚焦长期产品方向，技术上把平台工程和 AI 应用结合得更深。对贵司的 … 方向匹配。
避免：过度负面前公司、只谈钱（可后谈薪）。

Q46：职业规划？

答：
近 1～2 年：成为能独立负责中等复杂度后端域的中高级工程师，在 AI 应用或平台方向做出稳定交付。
中期：能带小模块/小组，做架构权衡与质量兜底。

Q47：15～20K 怎么谈？

答：
基于 5 年经验、华为平台项目复杂度与 AI 工程能力给出的区间；可按城市、是否 mon 班、绩效微调。
先让对方感受匹配度，再谈具体数字。

Q48：最大的挑战？

答（示例组合）：

1. 工单导出 OOM → 流式方案与指标验证；
2. 语料查询慢 → 分表+SQL；
3. AI 项目里「模型不稳定」→ 用状态机、超时、降级、结构化校验把不确定性关在边界内。

Q49：和产品/前端冲突怎么办？

答：
先对齐目标用户与验收标准；用数据/成本/风险说明技术约束（如反爬不能 100%）；给可选方案（粘贴降级、异步进度）而不是只说不行。

Q50：加班/学习？

答：
项目关键期可以投入；平时用文档和设计减少救火。独立 AI 项目也是持续学习 Spring Boot 3 与 LLM 工程的证明。

10. 反问面试官（推荐）

选 2～3 个，显专业：

1. 这个岗位近期最重要的 1～2 个业务目标是什么？
2. 团队现在最大的技术债或架构瓶颈在哪？
3. AI/模型相关能力是自建、采购还是混合？后端边界到哪？
4. 任务异步化、可观测性（日志/指标/追踪）现状如何？
5. 职级与晋升周期、试用期考核标准？
6. 团队规模、协作方式（是否有 code review）？

11. 按岗位类型的侧重点

12. 面试红线与避坑

12.1 数字类

12.2 技术类

• 不会的分布式细节：说「当时边界」+「若重做会怎么加强」。
• Disruptor、ShardingSphere：能讲场景与收益即可，被追问原理就承认深度边界。
• 华为内部敏感信息：不泄密，用「设备/实验室/语料」等简历已有表述。

12.3 表达类

• 先结论后细节（尤其是电话面）。
• 每个项目至少 1 个量化结果 + 1 个设计权衡。
• 独立项目：工程闭环 > 模型本身。

附录 A：面试前一晚检查清单

• [ ] 30 秒 / 2 分钟自我介绍各过 3 遍
• [ ] AI 工具台、EnvManage、AIFactory 各讲一遍（计时）
• [ ] 三个数字能讲清：导出内存、同步耗时、分表 RT
• [ ] 三个设计能讲清：状态机槽位、Port-Adapter、双 LLM 引擎
• [ ] 准备 1 个失败/踩坑故事（导出 OOM 或同步全量或 SSRF）
• [ ] 浏览 JD，把关键词映射到简历项目
• [ ] 笔记本画好架构草图（工具台 + EnvManage）

附录 B：一页纸「项目讲解卡片」（可打印）

卡片 1 · AI 工具台

• 一句话： 把 LLM 做成可上线异步任务系统
• 架构： Boot3 + 状态机 + 槽位 + Port-Adapter + SSE + 双 Chat 引擎
• 模块： 视频 / 成片 / 文生图 / 文章 / Agent / 鉴权会员
• 职责： 独立全栈偏后端，350+ Java
• 追问预埋： SSRF、可回滚、为何独立表

卡片 2 · EnvManage

• 一句话： 华为测试环境平台，设备工单资源监控
• 规模： 5000+ 设备，15+ 实验室
• 亮点： 占用锁、SXSSF 导出、Disruptor 监控、增量同步 30→5min
• 职责： 底座 + 多模块主导
• 追问预埋： 导出内存、分布式锁边界

卡片 3 · AIFactory

• 一句话： AI 训练语料全生命周期与标注评测
• 亮点： 分表 3s→200ms、Kafka 标注、大文件分片、异步报告 3×
• 桥接： 企业 AI 数据 → 个人 AI 应用工程

卡片 4 · 天珑

• 一句话： BPM + 简历库，流程与系统对接入门
• 一笔带过： SAP/EHR/MES、企微审批

附录 C：模拟面试 15 分钟流程（可自练）

文档版本：与当前 okx-bot/doc/resume.md 对齐 · 建议每次改简历后同步改本手册中的数字与职责表述。