系列导航：代码评审与 Agentic 研发
数据库内核经验要变成可验证的岗位证据：沿一条查询或状态变化，解释正确性、资源成本、失败恢复与本人决定。开源身份、年限和历史职级只能提供追问入口。
从在线分析处理（Online Analytical Processing，OLAP）、物化视图（Materialized View，MV）与增量视图维护（Incremental View Maintenance，IVM）选最强案例，再按岗位补短板。高级工程师（Senior）、资深技术专家（Staff）与技术负责人（Tech Lead，TL）在这里是准备视角，具体责任以目标团队为准。
按岗位选择阅读路径
| 目标岗位 | 建议阅读顺序 | 需要提交给自己的证据 | 最容易遗漏的边界 |
|---|---|---|---|
| Senior 数据库／系统工程师 | ①方法 → ②数据库 → ③C++ → ④系统网络 → ⑤算法设计 → ⑦行为 | 一个模块的正确性推演、一次定位过程、一份可运行的编码练习 | 只讲成功路径，不解释取消、异常和恢复 |
| Staff／技术架构师 | ①方法 → ②数据库 → ⑤算法设计 → ⑦行为，再按短板补③④⑥ | 两种可替代方案、跨模块契约、迁移与回退条件 | 把系统规模当作本人影响范围 |
| TL | ①方法 → ⑦行为 → ②数据库 → ⑤算法设计，再补③④⑥ | 决策记录、责任划分、分阶段交付和团队复用的验收标准 | 把亲自解决问题等同于让团队持续解决问题 |
| AI 基础设施／智能体运行时 | ①方法 → ⑥AI → ⑤算法设计 → ③C++ → ④系统网络 → ⑦行为，用②解释迁移基础 | 一张请求生命周期图、一组失败注入方案、一份尚未验证的假设清单 | 把数据库缓存与模型状态缓存当成同一种语义 |
人工智能基础设施（AI Infrastructure）还需区分推理服务与智能体运行时（Agent Runtime）：前者关心调度、显存和延迟，后者关心持久状态、工具副作用与恢复。数据库经验提供分析方法，新领域机制仍须独立验证。
七篇正文
- 方法与策略：把经历整理成可验证的回答：从岗位描述反推材料、分配技术深挖与编码时间，并用模拟追问发现叙述中的证据缺口。
- 数据库内核：沿查询、视图维护与恢复解释正确性：围绕优化等价条件、增量状态、执行成本与存算分离（Disaggregated Storage and Compute），把产品经验展开为机制判断。
- C++ 与系统编程：所有权、并发与性能边界：从对象生命周期和内存序（Memory Ordering）切入，追问分配器、容器、单指令多数据（Single Instruction Multiple Data，SIMD）优化与故障诊断。
- 操作系统与网络：请求为什么排队、阻塞和超时：把线程调度、虚拟内存（Virtual Memory）、输入输出（Input/Output，I/O）和传输控制协议（Transmission Control Protocol，TCP）放回端到端请求中解释。
- 算法与系统设计：从资源预算推导数据结构和架构：把限时编码与容量估算连接起来，讨论倾斜、外部计算、背压（Backpressure）、缓存和失败时的成本归属。
- AI 时代的基础设施与智能体：迁移能力，也验证新边界：围绕 vLLM 推理引擎、CUDA Graph（CUDA 执行图）、检索增强生成（Retrieval-Augmented Generation，RAG）与智能体，区分调度性能、检索质量和工具副作用。
- 职业、行为与 Staff 叙事：证明决策和组织影响：从真实项目、技术分歧和失败案例提取本人贡献，并把求职选择落到职责、资源和可持续的工作条件。
用错题库做自测层
七篇给出机制与答法，面试系列 08｜面试错题库 不引入新内容，只把各篇里容易因遗漏前提、版本或失败路径答错的问题编号收录（ALG／OS／LANG／CONC／DB／DIST／AI 七类），每题保留易错点、正确要点与追问。读完一篇后做对应前缀的题目，答不出成立条件或反例的，回到该篇补齐，再把缺口归入知识、证据或岗位之一。
两条入口追问
内核经验怎样支持更大的责任范围？
强答要点：选一项真实改动，说明旧方案在哪个条件下失败、替代方案如何成立、本人改变了什么，以及迁移和维护成本由谁承担。跨团队影响需另举接口采用、决策或交接证据。
追问：拿掉这项改动，哪个负载先退化，为什么？收益仅覆盖部分客户时，谁决定启用和回退？
差答：“我是核心开发者，系统吞吐提升很多”，缺少负载、个人角色与决定性机制。
【模板】：项目与版本〔〕；问题及约束〔〕；本人修改／他人贡献〔分别填写〕；反例或实验〔〕；未采用方案〔〕；跨团队决定与维护者〔〕；适用边界〔〕。
数据库能力迁移到 AI 时，类比在哪里失效？
强答要点：用请求进入、排队、执行、取消和资源释放的路径对照已有能力，单列模型状态语义、设备完成及质量评测的证据缺口。源码复核、实验与生产交付分别陈述。
追问：客户端取消后，设备仍在使用的状态何时回收？工具超时但可能已写入，恢复时如何核对结果并避免重复副作用？
差答：“都是缓存和调度，换接口即可”，没有证明状态兼容或操作可重放。
用新材料检验迁移边界
- FlashAttention-3，2024针对 Hopper，FlashAttention-4，2026针对 Blackwell：硬件变化会改变流水线与瓶颈，算子结果不能直接推出服务吞吐。
- vLLM V1，2025-01描述早期版本的执行循环、调度和前缀缓存；具体回答仍须绑定实际代码版本。
- Building effective agents区分预定义工作流（Workflow）与模型动态决策的智能体（Agent）；先验证任务是否需要动态控制，再承担额外延迟、成本和恢复责任。
这些来源提供机制线索，不证明个人项目经历。论文结果保留各自实验条件；尚未运行的方案只作设计推演。
准备以交付物验收
- 一份职责—证据对照：目标岗位要求什么，已有材料覆盖到哪里。
- 两个真实项目与一个公开贡献：固定版本、本人角色、反例、结果条件和残余限制。
- 一次独立编码与一次设计：改变输入分布、预算或失败点后仍能解释方案。
- 一次深挖模拟：将答不出的部分归为知识、证据或岗位缺口，补验证或缩小声明。
同一案例可用于代码评审与面试：前者形成合入意见，后者证明判断依据和贡献边界。涉及个人成果的空项保留【模板】，不以示例数字补齐。
本系列覆盖系统岗位准备，不替代模型训练、完整 GPU 内核开发或具体公司的职级标准。先选一条主线做透，再按实际职责扩展。