Что делаешь, когда ассистент глючит, галлюцинирует или отвечает неверно?
Бывало ли, что ты взял на себя задачу, и она оказалась сложнее, чем ты думал? Как ты выходил из этой ситуации?
Если предлагается решение, которое влечет технический долг (выигрываем сейчас, но сложнее масштабироваться потом) — как ты об этом говоришь?
Что такое __slots__ (магический атрибут)?
Почему аутентификация и авторизация разделены? Можешь рассказать?
Как модель технически 'вызывает' тулы, если она по сути просто предсказывает текст?
Как происходит маршрутизация запросов (классификация по типу вопроса)?
Какие метрики важно отслеживать, когда модель внедряется в продакшн?
Про кэш: скажи, какие есть потенциальные проблемы при использовании кэша, подводные камни, из-за которых могут быть серьёзные проблемы.
Чем тебя зацепила именно наша вакансия?
Можешь подробнее рассказать про деплой — в частности про blue-green deploy: что нужно подготовить в кодовой базе разработчику под это?
Какие преимущества WAL даёт PostgreSQL?
Как именно будет разворачиваться модель — например, на виртуальной машине? Где конкретно?
Профессиональный рост начинается, когда человек начинает чаще задавать вопросы, чем давать ответы — как ты это понимаешь, насколько тебе это близко?
Что происходит с данными после того, как модель их оценила?
Расскажи, пожалуйста, какие задачи хорошо масштабируются, а какие плохо.
Знаешь ли ты способ, как оптимизировать процесс с линтерами, чтобы в CI линтеры проходили с первого раза, а не через цикл 'коммит-ошибка-исправление'?
Кроме выделения памяти, в каком ещё случае со списком может что-то пойти не так по производительности?
Правильно ли я понимаю, что вы сначала искали минимальное совпадение (например, совпадение по абзацам), а затем просто выгружали весь документ целиком и отправляли его в контекст LLM?
Какая кодировка применяется (в контексте токенов/refresh)?