Async Job Queue

设计一个类似 GoFundMe 的募捐平台——一个项目可能一夜爆红，涌入海量小额捐款，而每一分钱都必须被收妥、可退款，并实时反映在准确的募捐进度计数上。

设计一套分布式 job 调度器(cron-as-a-service)：让各租户注册周期性与一次性的 job，保证每个 job 都在接近排定时间时触发，并在 worker 与协调者故障时存活，不会重复执行、也不会静默漏掉 job。

设计一条内容审核管线，筛查用户提交的帖子/媒体是否违反政策，在平台规模下权衡发帖延迟与审核准确度。

设计一套企业支出管理平台，类似 Brex 或 Ramp——每一次刷卡都必须在两秒内由实时策略引擎完成授权或拒绝，而每一笔交易都必须流入会计系统，并匹配到对应的收据。

设计网页爬虫。请覆盖URL frontier design: priority queues for scheduling and re-crawl ordering, Politeness: robots.txt compliance and per-domain rate limiting to avoid hammering one host, JavaScript rendering...

设计一个 webhook 投递平台(Stripe webhooks 那种)，在重试、顺序与安全的约束下，可靠地把事件通知送达数千个第三方消费端点。

设计 视频平台 的上传与处理管线——接收海量的用户上传视频，把它们转换成可播放的多分辨率视频库。

为像 Uber 这样的公司设计一套 ML feature store，让同一份特征同时供给离线模型训练与低延迟的在线推理。涵盖离线/在线存储的拆分、point-in-time 正确的训练数据、训练/线上偏移(training-serving skew)、特征新鲜度与回填(backfill)、物化(materialization)管线，以及特征血缘(lineage)。

为一个要发布 LLM 功能的组织设计评测平台：管理一份带版本的 golden set（分层采样的生产样本、对抗性题库、人工构造的边界案例，以及真正上线过的失败案例的重放），在明确的偏差控制下用 LLM judge 为输出打分，在 CI 中依回归趋势对每一次 prompt／模型／检索的变更设关卡（gate），并跑生产反馈回路来让 golden set 保持鲜活。评测方法论就是新的系统设计：一次...

设计一套 LeetCode 风格的在线评测系统（Online Judge），能在大规模下安全运行不受信任的用户代码。内容涵盖提交队列、隔离的多语言运行器（容器／gVisor／Firecracker）、CPU／时间／内存限制、不受信任代码的安全防护、结果回传，以及应对竞赛峰值的自动扩缩容。