1.harness 的技术层次？
包括五个层次分别是编排和控制流程，工具调用，包括参数校验，执行权限审查，调用和返回结果，第三个是记忆和上下文管理，包括上下文压缩，提取记忆，第四个是状态和持久化，避免在执行长任务因为一次中断丢失历史信息，第五个就是安全性，在输入做校验避免提示词注入，在输出确保没有敏感信息，有害信息。
2.消息队列堆积怎么解决，怎么避免重复？
首先定位问题，检查生产者生产速率以及消费者消费速率，如果是突发流量增加，可以考虑扩容，如果是持续的要考虑降级限流和熔断，如果是业务方逻辑变慢要优化代码逻辑，检查消费者是否有数据库延迟变长，磁盘 IO 变慢的问题针对性分析，如果是数据库慢查询要优化。
避免重复首先生产者去推送任务要有确认机制，确定所有 broker 都收到再返回成功，在 消费者端要根据业务唯一标识组幂等性校验避免反复处理。
3.字符串乘法怎么解？
类似字符串加法的思路，不过这里有一个考虑就是字符串乘法结果最多 m+n 位然后对结果去掉前面的 0，不过写到这里我想到了，在写字符串加法可以倒着输入 vector，再 reverse，根本没有提前准备空间，乘法也可以这样做。
4.操作系统是怎么创建线程的？
首先是 pthread_create 是创建线程，操作系统首先初始化线程控制的数据结构，分配栈空间，初始化栈指针，程序计数器，寄存器等，然后使得线程能访问共享资源比如共享内存，文件描述符，之后是把线程加入调度系统。
5.http 和 https 的区别，加密的过程
https 在 http 的基础上增加了 tls 连接，加密数据，对数据做了完整性保护，认证了身份信息，加密过程，首先客户端发送 clienthello，服务端返回 serverHello，服务端发送证书给客户端，客户端会去校验证书，之后双方协商对称通信的密钥，建立连接成功之后使用对称加密的方式通信。
感觉和 AI 应用，偏后端有关的就是可靠性，因为后端开发首先我觉得就是可靠，在这个基础上利用 AI 提效，一般面经的问题就是怎么把 AI 融入开发流程，haRness 的概念，skill 和 MCP 的区别，或者扩展一点，ai tools 的架构实现，skill 和 MCP 消耗 token的对比。
除了这些基本上就是个人使用 AI 了，这些经验大家都大差不差，如果已经具备根据场景设计的能力很重要应该会很受影响。
我感觉 CMU Agent 的课程讲的是很深入的，后续把实验再做一下。