# 1. 10 年经验工程师在 TCP 重传、内存屏障、文件系统页缓存上应保留多深的理解 A 必须能背诵 TCP 重传算法的全部内核实现细节 B 只要记住术语名称即可，不需要理解机制 C 底层知识只对写内核的人有用，业务工程师完全不需要 D 应保留原理级与诊断级的理解，足以解释故障并指导选型，而非背诵实现细节 ✓ 正确答案
# 2. 为何即便使用托管数据库，理解 B+ 树与 WAL 仍能帮助故障排查 A 可以完全替代 DBA 与云厂商的运维工作 B 只在自建数据库时才有意义，托管后完全无关 C 能通过底层机制建立假设、解释慢查询与复制延迟等现象，指导故障排查 ✓ 正确答案 D 主要用于写技术博客，对排障没有实际作用
# 3. 学习新运行时（WebAssembly、Bun、Deno）时，哪些底层知识可以借力 A 各运行时特有的 API 名称与配置项细节 B 事件循环、内存管理、模块系统、编译 ABI 等跨运行时通用抽象 ✓ 正确答案 C 新运行时的营销宣传资料 D 与具体业务无关的纯框架语法
# 4. AI 时代算法、OS、网络等基础能力为何仍是面试与架构的分水岭？ A AI 能生成标准答案，基础能力已完全失去价值 B 基础能力是推理与判断的骨架，是评估 AI 输出正确性与架构决策的底层依据 ✓ 正确答案 C 基础能力只对校招面试有用，对资深工程师无意义 D 只要会用 AI 工具，就不需要理解数据结构和网络原理
# 5. AI 时代面试官如何用「追问原理+现场推导+变更场景」考察基础能力以区分真懂与背题，工程师怎样准备？ A 面试官主要依靠候选人是否引用 AI 生成的标准表述来打分 B 背熟 AI 生成的标准答案即可通过所有面试 C 通过追问原理、现场推导、变更场景考察理解、建构与迁移能力，候选人应构建机制模型并练习现场推导 ✓ 正确答案 D 变更场景只适用于系统设计题，对基础题无效
# 6. 面对黑盒 SaaS 接口时，如何基于可观测行为推断其内部实现假设 A 直接猜测厂商的技术栈，不做验证 B 完全依赖厂商宣传文档的描述 C 通过基线记录与单变量受控实验建立假设-验证循环，并把结论标注为带置信度的假设 ✓ 正确答案 D 黑盒不可分析，只能等故障后由厂商处理
# 7. 动手写一遍简化版 Redis 与只读论文相比，哪种方式更利于长期记忆 A 动手实现通过生成效应与设计决策参与形成情境记忆，更利于长期保持，论文用于补全广度 ✓ 正确答案 B 读论文的效率更高，记忆效果一定优于写代码 C 两种方式对长期记忆没有差别 D 只有天才才能从写代码中获益，普通人只能读论文
# 8. 哪些基础课（编译、网络、分布式）适合作为工程师 5 年一次的'回炉'主题 A 回炉应选择当年学得最差的课程，从零重学 B 编译原理对任何工程师都有同样的回炉优先级 C 回炉就是把教材重新背一遍 D 应选择最能解释生产问题、且近十年演进巨大的课程（如网络、分布式），以问题驱动方式重读经典并产出沉淀 ✓ 正确答案
# 9. AI 时代数据结构、操作系统、网络等基础能力的价值如何重估，哪些仍不可替代、哪些被工具化？ A 记忆执行类基础被工具化，判断决策类基础（取舍、机制、诊断）仍不可替代，投入应向后者倾斜 ✓ 正确答案 B 所有基础能力都已被 AI 工具化，无需再学 C 只要会用 AI，任何算法和系统知识都不需要 D 基础能力的价值与 AI 无关，永远按旧方式学习
# 10. 如何用系统化复习、手写实现与教学输出的长期习惯保持基础能力不退化？ A 只需要在跳槽前突击复习一个月即可 B 基础能力退化不可逆，只能接受 C 读过的书越多，基础能力自动保持 D 系统化复习（间隔重复）、手写实现（验证理解）与教学输出（暴露缺口）组合成长期习惯，少量高频地坚持 ✓ 正确答案
# 11. 刷题、源码精读与系统设计练习三类投入分别适合什么阶段，如何组合防止基础能力退化？ A 初级以刷题为主、中级以源码精读为主、高级以系统设计为主，并形成"暴露缺口-补全-反馈"的闭环 ✓ 正确答案 B 任何阶段都应以刷题为主，其他投入无意义 C 只有架构师需要做系统设计练习 D 三类投入互相独立，组合没有意义
# 12. 网络协议栈、操作系统调度、数据库索引、分布式一致性等基础杠杆知识中哪些最能解释生产故障、值得优先回炉？ A 所有基础知识的杠杆率完全相同，无需排序 B 操作系统调度与任何故障都无关 C 网络协议栈与分布式一致性对生产故障的解释力最强，应优先回炉，并用真实故障复盘驱动学习 ✓ 正确答案 D 数据库索引知识只对 DBA 有用，工程师不需要
# 13. 基础能力与 AI 工具如何互补，让基础成为评估 AI 输出正确性的判据？ A AI 输出总是正确的，无需核查 B 使用 AI 时不应带入任何自己的知识，避免影响 AI 发挥 C AI 负责生成候选方案，基础能力负责从正确性、合理性、边界与取舍四个维度裁决其输出，先立判据再问 AI ✓ 正确答案 D 基础能力只用于写代码，与评估 AI 输出无关
# 14. 基础与工具如何平衡，AI 辅助下还需要手写算法吗？ A AI 已完全取代手写算法，工程师只需会提问 B 只有竞赛选手需要手写算法 C 手写能力用于证明思路、排查问题与评估 AI 代码，高频算法手练、偏门算法理解即可，核心是理解与判断 ✓ 正确答案 D 手写算法会阻碍 AI 工具的使用效率，应彻底放弃
# 15. 基础能力如何自我评测并查漏补缺？ A 只要刷题量大就代表基础扎实，无需其他评测 B 自我评估完全可靠，不需要任何外部反馈 C 用笔试自测、口头讲解、实战诊断多维度交叉验证，按"定位-补学-再验证"闭环推进，并用外部反馈校准 ✓ 正确答案 D 能背出概念定义即说明理解到位
# 16. 数据结构、操作系统与网络知识如何在系统设计面试和架构评审中转化为可展示的能力证据？ A 面试时罗列越多术语越能证明基础扎实 B 只要简历写了基础课程，就自动算能力证据 C 基础知识与工程设计决策没有关系 D 用"场景-约束-选择-依据"结构把概念映射为具体设计决策，并以成本、延迟、一致性等业务语言呈现 ✓ 正确答案
# 17. C10K/C10M 问题的工程意义是什么，处理高并发连接时哪些场景仍需要这些知识指导选型与调优？ A C10K 问题早已解决，相关知识对现代系统毫无用处 B 其本质是"连接规模 vs 每连接成本"的矛盾，在网关、长连接与物联网等场景仍指导连接模型选型与内核参数调优 ✓ 正确答案 C 只有 C 语言写的服务端才需要考虑连接数问题 D 连接模型只影响游戏服务器，与 Web 业务无关
