会议室的门被轻轻推开，林晨深吸一口气，走了进去。
这间会议室比之前视频面试那间更大，落地窗外是鹏城科技园错落有致的写字楼群。会议桌旁坐着一位看起来四十岁上下、戴着黑框眼镜的男士，穿着简单的灰色Polo衫，面前放着一台笔记本电脑和一本摊开的笔记本。
“林晨是吧？请坐”。对方抬头，声音平和，“我是王毅，AI平台部的系统架构师。这一轮我们聊聊系统设计”。
“王老师好”。林晨拉开椅子坐下，将背包放在脚边。他注意到王毅的笔记本上已经写了几行字，字迹工整。
“放松点，这轮不是考你背八股文”。王毅笑了笑，推了推眼镜，“我们聊一个实际的业务场景：假设公司要为一个新的电商APP搭建一个推荐系统，从零开始，你是技术负责人，需要设计整个技术架构和实现链路。给你五分钟思考，可以画图，可以列提纲，然后我们一步步聊”。
林晨心脏跳得快了一拍。这正是他过去几个月反复琢磨、并在自己那个量化投资系统中实践过的领域——构建一个完整的、可落地的AI系统流水线。他强迫自己冷静下来，从背包里拿出平板电脑和触控笔。
“可以用这个画吗”？
“当然，请便”。
五分钟。林晨脑中飞速运转。电商推荐系统……用户、商品、交互行为……离线训练、在线服务……特征工程、模型迭代……数据流、算力成本……他一边想，一边在平板上快速勾勒出几个大的模块框。
时间到。
王毅身体微微前倾：“好，我们从哪里开始”？
林晨将平板转向对方，清了清嗓子：“我习惯从业务目标反推技术架构。对于一个新电商APP的推荐系统，核心业务目标有三个：提升用户点击率、增加订单转化率、优化用户停留时长。技术目标则需要支撑这三个业务目标，具体是：精准性、实时性、可扩展性、可维护性”。
王毅点点头，在笔记本上记了一笔：“继续”。
“基于这些目标，我会将整个系统划分为五个核心层”。林晨用笔尖点着平板上的框图，“第一层，数据层。这是地基。需要采集用户静态属性、商品属性，以及最重要的用户动态行为数据——浏览、点击、加购、下单、评价。数据采集端需要埋点规范，保证数据质量和一致性。存储方面，用户和商品属性这类更新不频繁的数据适合用MySQL或PostgreSQL；行为流水数据量巨大且需要实时
（本章节未完结，点击下一页翻页继续阅读）
正在加载...