小红书引擎架构一二面面经

小红书VS快手后端日常实习offer帮选offer1：快手电商，商品比价部门，base杭州，Java后端，听知情人说快手这个部门去年这个时候招了很多实习生，年后都跑路了（不好确定信息真实性）。我也不太了解比价业务，不知道会涉及到哪些场景，对个人成长是否有帮助。offer2: 小红书AI数据引擎后端开发（应该算AI Infra方向，JD里描述：为大模型提供高效的多模态数据预处理引擎，构建高质量的AI数据迭代链路），base北京，也是Java为主，主要是工程，会涉及到一些大数据开发的技术栈，面试官给我的感觉比较靠谱，说技术深度会比较高，会考虑到实习生的成长性，不会安排dirty work。此外组内还有AI存储方向，对技术要求很高，有海量数据处理的场景，如果感兴趣的话，后续可能也有机会接触。主包个人情况：研一，28届，研二大概率没法实习了。1. 一段美团的AIOps方向的后端实习（5个月），从0到1做的运维agent（已推广内部使用），tob，技术深度一般但不是杂活，Java为主，写的接口中也会用到消息队列和缓存这些。收获：对运维相关业务，故障排查，agent开发这些方面积累了很多经验2. 一段小厂，Java，很水，业务需求，CRUD，稍微包装了一下，但从最近的面试来看，基本没人care。主包自己想法：实习目的还是为了校招能拿到一个更好的offer，不追求实习的数量，追求实习的质量。主包目前的实习都没有接触高并发的场景，感觉技术深度都比较浅。接下来的实习主包应该更看重一点技术深度还是好的业务。如果选择xhs这个AI数据引擎开发，校招时在投递大厂的核心业务部门会不会因为无相关的业务经验而比较吃亏。

昨天刷X的时候,突然发现xAI把整个For You推荐算法开源了。说实话,我当时就愣住了。要知道,推荐算法这东西,对社交平台来说就是命根子。抖音的推荐算法、小红书的推荐逻辑,哪个不是藏着掖着当核心机密?结果马斯克直接把代码扔GitHub上,7000多个star,就这么大大方方让你看。这背后到底藏着什么秘密?一个让我震惊的发现我花了整整几个晚上扒完这套代码,发现了一个颠覆认知的事实:X的推荐系统里,几乎没有人工规则。什么意思?传统的推荐系统,工程师会设计几百上千条规则。比如用户点赞过科技类内容,就多推科技,或者转发率高的内容加权。这些都是人脑想出来的逻辑。但X的算法完全不是这么玩的。他们用的是G...

论文刚录用，达到毕业要求了，准备找工作，项目还没来得及准备，但是积极性很高。

bg:双非本，三段实习，一小厂，一段勉强二线大厂，一段勉强一线大厂无备注皆为后端岗秋招情况一面挂：字节飞书、滴滴稳定性生产、虾皮深圳、小红书社区技术、灵犀互娱（游戏服务器）、库洛游戏（游戏服务器）、唯品会五面挂：字节飞书四面挂：字节集团信息系统三面挂：快手商业化、汇川技术二面挂：小鹏汽车、涂鸦智能（Agent）oc了两家中小厂鼠鼠从2024.8月开始找实习，一直到秋招面试可能都有70+了，只能说双非真的是案底，当然自己也是真的菜小红书实习两次两面后排序挂，一次一面挂，秋招又一面挂快手实习一次一面挂，一次二面主动结束，秋招补录又三面排序挂字节实习没面过，秋招面了10场，被疯狂戏耍春节后有时间的话...