Vipassana

在 RTX 5070 Ti 与 WSL 上，把 NumPy 数组迁移到 CuPy，验证真实 GPU 运算、RawKernel 线程边界与 CUDA Event 计时，并保留旧失败记录和本次复查的适用范围。附中文注释 Notebook。

回看 ORCA/Hologres 中的 CTE 复用实践，并结合 StarRocks 的 CTE 代价模型与 ROLLUP 下推，讨论 MPP 优化器如何选择内联、共享与混合执行。

按算法、操作系统、编程语言、并发、数据库内核、分布式与 AI Infra 七类编号的错题库：每题给出易错答案、成立条件与追问反例，来源标注所取自的面试系列篇目，作为各篇复习自测层。

从数据库内核的评审证据、P0–Nit 清单出发，讨论 Agent 研发流程、人类责任、评审工具的商业模式，以及可追问的面试答法。

从人类组织式协作理解 Raft，比较 coding agent 产品与开发框架，记录 standalone 改造、构建验证及尚未打通的部署边界。

面向数据库内核与 AI 基础设施岗位的 Staff/TL 行为面试：四种角色原型、跨团队影响、冲突与失败、技术取舍、带人与职业选择，附追问与可核验案例模板。

面向资深数据库工程师的 AI 基础设施面试推演：推理调度、KV 状态管理、Agent 可靠性、向量检索与数据库智能化，含追问链、验证边界和迁移叙事模板。

面向资深数据库与 AI 基础设施候选人，以不变量、资源预算和失败恢复串联高频算法、数据库算法与五类系统设计题，附追问、反例与验证标准。

面向数据库内核与 AI 基础设施岗位，用十四组问题贯穿调度、缺页、大页、文件 I/O、TCP、RPC、RDMA、eBPF 与容器资源治理，并给出版本边界与故障验证条件。

面向数据库内核与 AI 基础设施岗位，以题目、强答、分层追问和反例串起 C++ 生命周期、内存模型、无锁回收、分配器、协程与性能剖析，并说明 C++23/26 和 Rust 的适用边界。

面向 OLAP 内核与 AI 基础设施岗位：用题目、强答、分层追问和反例串起优化等价、外连接与代价、向量化与 SIMD、MV/IVM、存算分离、Iceberg 与分布式正确性。

面向数据库内核与 AI 基础设施资深岗位，用可核验项目证据准备各轮面试，覆盖 STAR、开源贡献、反向提问与 Offer 比较。

面向资深数据库工程师的七篇面试阅读路径与错题库自测层：从内核机制、系统设计到 AI 基础设施与技术领导力，附岗位路径、追问与证据验收条件。

从114位变成136位的API Key出发，记录剪贴板篡改的对照实验、Defender排除项陷阱、来源追查，以及重启后残留再次暴露的过程。

基于 WSL2 下的 Go 1.26.2 源码，串起 per-P 分配、GMP 调度、阻塞 syscall、Green Tea GC、写屏障与清扫，并用三组本机实验核对机制。

记录 RTX 5070 Ti 16 GB 与 32 GB 内存上的 Strata 原生构建、模型校验、API/OpenCode 接入、评测和 64K 长输入实验，分析热专家缓存、CPU 协同、SSD lookup 与内存边界。