她坐在麵試官對麵的時候，手心都還有點潮。
果然，對方一上來就沒跟她客氣。
“MySQL 索引底層為什麼常用 B+ 樹？”
“如果出現死鎖，一般怎麼處理？”
前幾題出來的時候，葉知反而慢慢穩了一點。
這些東西她不是不會。
她以前學得還算紮實，底子畢竟在。學校課上學過，筆試題裡刷過，這幾天臨時突擊的時候也重新捋過一遍。真到了場上，她居然能把那些原本零零散散的知識一點點串起來。
她答得不算特別驚豔。
不是那種張口就是標準答案、拓展一大串的選手。
可她的好處是腦子轉得快，能迅速抓住問題重點。就算一開始組織得沒那麼完整，順著麵試官的追問往下講，也能越講越順。
所以前半段，她雖然緊張，但居然還算扛住了。
真正讓她心裡發空的，是後半段。
麵試官話鋒一轉，開始問 AI 方向。
“Transformer 和傳統 RNN 最大的區別是什麼？你怎麼理解注意力機製？預訓練和微調分別在做什麼？LoRA 為什麼會比全量微調更輕？RAG 的核心思路是什麼？如果是應用側用模型，你覺得成本、效果和延遲怎麼平衡？”
這些一大串問題一出來，葉知心裡就咯噔了一下。
因為這部分她確實沒有係統準備到很深。
她課程作業是有過LLM微調作業，她這幾天刷麵經時見過一些，也臨時看過幾篇總結，可真到了麵試場上，被人這樣一句一句拎出來問，還是會慌。尤其這些詞她不是完全陌生，正因為不陌生，才更知道自己懂得不夠徹底。
可就在她發懵的那幾秒，腦子裡卻忽然冒出來一些零碎的話。
不是她自己完整總結出來的。
是她以前在顧辭身邊，斷斷續續聽來的。
顧辭平時工作電話很多，和技術負責人、高管、投資人聊的也往往都是這些。模型能力邊界、推理成本、場景落地、商業化、幻覺、Agent、工作流、應用層價值……這些詞，葉知以前不是沒聽過，隻是聽的時候，大多沒太當回事。
可她腦子好。
哪怕以前懶，哪怕沒刻意去記，也還是會在潛意識裡留下點痕跡。
所以真被問到的時候，她竟然能從那些碎片裡抓出一些能用的東西。
她當然答得不算特別專業。
也不可能像真正做過這一方向的人那樣，講得又深又穩。
可她勝在反應快，能聽懂問題，也會順著問題把自己知道的那部分儘量往正確的方向上靠。
這些話不算特別深。
但居然也不空。
因為她不是在硬編。
她是真的零零碎碎聽過，也真的在這幾天臨時準備的時候，把那些原本飄著的概念一點一點撿起來，勉強拚成了一個還算能說出口的框架。
麵試官本來一開始其實沒太看好她。
她簡曆好看，學校好，績點也夠，但真正一聊就能感覺出來——這個女孩不是那種長期混跡技術論壇、項目做得很深、連最新模型方案都能隨口展開的人。她更像是剛開始認真往這個方向靠，底子不錯，但很多東西都還停留在“知道一點”和“剛剛入門”的階段。
可偏偏她又有一種很微妙的優點。
她很聰明。
問到不會的地方，她不會硬裝自己全懂，而是會先承認“這一塊我理解得還不夠深”，然後再把自己知道的部分儘量講清楚。她很會抓關鍵詞，也很會順著麵試官的話去補邏輯，不會一慌就徹底亂掉。
而且她長得確實太占便宜了。
不是那種有攻擊性的漂亮，而是很清、很軟、很有親和力。坐在那裡時眼睛亮亮的，答題時雖然還有點青澀，可整個人看上去很靈，也不像那種一緊張就木住的學生。
所以那位麵試官後來其實有點猶豫了。
不是因為她完美。
恰恰相反，是因為她不完美，但有一點可塑性。
像一塊還沒打磨好的料子，技術基礎還可以，AI 方向有認知但不深，經驗不夠，準備痕跡也很明顯，可腦子夠快，人也機靈，問下去是能接得住話的。
。刷被會是還率概大她，程流常正按，是隻
。果結道知經已裡心實其，候時的來出完麵知葉
。候火點一了差是還她——楚清也己自可，了答力儘然雖她，股八 IA 加礎基輪二第。了外意很經已她，過能法算輪一第
。靜平的清不說點有又邊一，落失邊一她，去回上晚天那以所
。深夠不得累積，久夠不得備準，在輸是隻她。”賦天沒“在輸是不她，少至為因
。了多很好要中象想她比經已這而
新更節章的快最取獲ᴡᴛ.ᴘᴏᴏ問訪請
。步一這了到走己自的真是她次一這少至，係關沒，想慢慢後最，呆的久很了發前桌舍宿在坐至甚她
。然突很得來折轉果結
。話電的 RH 了到接她，後天兩
：說才後然，位崗試麵和名姓的她了認確地方官很麵對，後以來起接，來過應反沒還時電來生陌到看她。隊排堂食在正知葉，候時的來打話電
。她給會機個這把定決，程流遍一了過新重部內們他。額名錄補個一有還位崗個這以所。reffo 的別了擇選後最，人選候的先優更位一麵前本原
。了住愣都人個整，裡堂食在站知葉
——句那見聽隻像，了空就下一裡朵耳她可，起一在混聲撞碰盤餐、聲話說、音聲的菜打，吵很圍周
”。她給會機個這把定決“
。遍一了認確複重，了錯聽己自疑懷至甚她
。熱發始開都心手，機手著握她，後以定肯次再方對等
。了錄補被她
。個那的多最驗經習實是不至甚，個那的去過碾路一是不，個那的強最是不
了來進是還她可
