面试实验室
从第一性原理准备面试。
我为资深工程师面试准备的工作笔记：行为故事、架构取舍，以及可复用的编码模式。
分类、标题、摘要和首段预览公开；登录后才会加载完整面试资料。
编程模式
五篇文章把识别约束、选择模式、建立不变量、主动回忆与现场证明连成一套可复用流程。
Coding 面试：从约束到证明的决策系统
五篇文章把识别约束、选择模式、建立不变量、主动回忆与现场证明连成一套可复用流程。
从约束到候选模式：不要让题型名称替你思考
把输入、输出、规模、顺序和单调性变成一张可执行的算法路由图。
用不变量组织算法模式，而不是收藏代码模板
一张模式卡必须保存触发条件、证明、复杂度和失效边界，才能在变体中重建答案。
用主动回忆训练模式选择，而不是重复阅读题解
把 Testing Effect、间隔练习和错误日志变成一套能持续修复薄弱决策的训练系统。
从澄清到证明的 Coding 面试 Runbook
把一个正确想法稳定交付为可解释、可运行、可验证的面试答案。
行为面试证据
从事实证据到判断、取舍和长期影响：一套可审计的行为面试准备系统。
真正体现资深度的行为面试故事
从事实证据到判断、取舍和长期影响：一套可审计的行为面试准备系统。
先做行为面试证据台账，再写 STAR
用来源、职责边界、因果强度和披露级别，把项目经历整理成可核验的面试素材。
行为面试里的 Seniority 信号
从判断力、Ownership、取舍、影响力、风险控制和组织杠杆，识别一段经历真正能证明什么。
从证据链重建 STAR
用真实约束、方案比较、责任边界和结果证据，重建一段能经得住追问的行为面试回答。
故事映射、追问与真实性压力测试
让同一组事实回答不同问题，并用技术、协作、风险和度量追问检验故事是否真实。
系统设计
用一套可解释、可发布、可回放的系统契约，串起高吞吐规则引擎的控制面、数据面与证据面。
系统设计系列：高吞吐规则引擎总览
用一套可解释、可发布、可回放的系统契约，串起高吞吐规则引擎的控制面、数据面与证据面。
系统设计：需求、SLO 与容量假设
把“事件匹配规则”拆成可测试契约，并用明确隔离的面试假设完成容量与恢复推导。
系统设计：规则编译与控制面
把规则当作可执行生产行为，设计从 DSL、IR、静态检查到不可变 Bundle、灰度激活与回滚的控制面。
系统设计：热路径、分区、状态与背压
用分发索引、共享计算、按键状态和分层背压，把高吞吐规则评估的单事件成本限制在可预测边界内。
系统设计：交付语义、发布与运行
从稳定 Decision ID、幂等副作用和可重复回放，到 Shadow/Canary、SLO Burn 与故障演练，补齐规则引擎的生产闭环。