kubernetes是容器编排平台，解决弹性扩缩容、容器编排和环境一致性问题；docker是容器运行时，负责打包和运行单个容器；k8s自1.24版起移除对docker的直接支持，改用cri兼容的容器运行时。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用ChatGPT模拟真实面试场景、打磨回答逻辑、预判高频问题，能显著提升临场反应和表达精准度。它不能代替你思考，但能帮你把已有的经验快速组织成有说服力的叙述。
生成贴合岗位的自我介绍
打开ChatGPT，输入：“你是有3年Python后端开发经验的求职者，应聘字节跳动推荐系统工程师岗，请写一段1分钟内的中文自我介绍，突出算法优化和高并发处理经验。”
得到初稿后，【必须用自己的项目数据替换模板中的模糊描述，比如把‘优化了接口响应’改成‘将商品召回接口P99延迟从850ms压至210ms’】。
再让模型帮你压缩到55秒内朗读长度：粘贴修改后的文本→输入“请精简为55秒内可说完的版本，保持技术细节不丢失”。
针对JD逐条拆解并预测问题
方法一：直接喂入招聘启事全文（复制粘贴），追加指令：“请提取该岗位要求的5项核心能力，并为每项能力生成2个行为面试题（STAR格式）。”
方法二：聚焦薄弱项——如果你对“跨部门协作”案例准备不足，就单独提问：“我负责过订单中心重构，需同步推动支付、物流、客服三个团队调整接口，但初期因文档不全导致联调延期。请基于这个事实，生成3个可能被追问的协作类问题，并给出回答要点。”
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
这一步操作起来很简单，直接把JD文本拖进去就行。但注意：模型生成的问题可能偏泛，要手动筛掉“你最大的缺点是什么”这类通用题，专注保留与JD中“主导多团队协同”“推动技术方案落地”等原文强相关的题目。
模拟压力面试并实时修正
第一步：设定角色——输入“你现在是阿里云资深架构师，面试我这个有2年云原生运维经验的候选人，风格犀利、会打断、爱追问技术决策背后的权衡。”
第二步：开启问答——直接说“开始面试”，然后如实回答每一个问题。不要提前写稿，用口语化语言说，哪怕卡顿、重复也照常进行。
第三步：复盘关键断点——当模型突然追问“你为什么选K8s而非Nomad？当时有没有评估过etcd性能瓶颈？”时，暂停。把这个问题单独复制出来，再问：“如果我在面试中答‘没深入比较过’，会暴露什么能力缺口？请给出一个既诚实又体现技术判断力的回答。”
第四步：针对性补漏——根据上一步反馈，立刻搜索etcd在万级节点下的lease续约机制，把原理记在便签纸上，下次模拟时主动加入回答。
