连连支付一面38min

# 定义：MCP 全称是 Model Context Protocol（模型上下文协议），是由 Anthropic（Claude 的开发商）在 2024 年底推出的一个开源标准协议。旨在统一大语言模型（LLM）与外部数据源、工具和服务之间的连接标准。MCP提供标准化接口，让模型"即插即用"访问外部资源相对于是大模型的API，让AI知道用什么工具去、什么路径去获取上下文关键作用还是统一了标准，整了个统一的出入口，让原来的N x M问题变成了N+M问题

1、自我介绍2、项目拷打3、RAG 的完整链路是什么，哪些地方最容易出问题RAG 的完整链路一般是文档接入、清洗去噪、切 chunk、向量化、建索引、在线检索、重排、上下文构造、Prompt 拼接、模型生成和结果后处理。线上请求过来以后，先对用户 query 做归一化处理，再进行向量召回或者混合召回，把候选文档取回来，然后用 rerank 模型重新排序，选出最相关的内容拼到 prompt 里，再交给大模型回答。最容易出问题的地方通常有几个。第一是 chunk 切得不合理，太短会丢语义，太长会导致噪声太多。第二是召回率不够，模型根本没拿到正确证据。第三是重排不准，正确文档被排到后面。第四是上下文...

有面试过同岗的朋友欢迎评论区交流！1.若用户量大幅增长，实习的项目相关系统能否应对，瓶颈是什么?2.你平时会使用大模型处理哪些任务，觉得大模型在哪些任务上处理得好，哪些任务处理得不好?3.你做的另一个项目的核心目标和整体架构是什么?4.你做的另一个项目是生成文档还是生成核心代码?5.你做的另一个项目若工业界落地失败，会如何处理?6.你做的另一个项目在记忆模块设计上有什么思路，如何让相关技能更好地发挥作用?7.你做的另一个项目中，模型是如何选择的，有什么选择依据或方法?8.大模型幻觉问题该如何处理，服务化过程中会产生哪些相关问题?9.你做的另一个项目现在能否在本地运行?10.RAG的优缺点有哪些?11.多任务相关模型有什么适用场景?12.常见的Agent产品有哪些特质?13.若发现项目中模型执行不成功，会如何处理?14.长期记忆相关设计中，关键关注点有哪些?15.从整体设计角度，长期记忆相关功能会从哪些角度考量?16.长期记忆相关设计还有哪些可优化的点?17.Agent领域的发展趋势是什么?18.若代码生成成本越来越低，工程师的核心竞争力会发生什么变化?19.平时会通过哪些渠道关注AI技术动态?20.最近有没有遇到让你觉得印象深刻的AI应用，其情节或功能有较大亮点?21.进入项目后遇到新的工具技术，会如何评价技术是否能解决问题?

发一下问题给大家参考，攒攒人品！1.介绍一下你的项目2.你提到的coze，coze有两版，一个是拖拽式的编排，新的一版是直接使用agent？，你使用的是哪一种？你是怎么设计节点的？3.你编写了哪些MCP工具，介绍一下4.上下文管理是怎么做的，如何进行记忆5.问关于ReAct的知识，那几个模式有什么差别6.给了一个场景，就是设计一个全自动化的agent进行AI漫剧创作，你会怎么设计？7.你认为设计的过程中最大的三个问题是哪三个？你准备怎么解决8.针对我现场设计的全流程进行拷打，例如我说要保证人物前后一致，他问用什么方法保证前后一致。我还说要进行片段的评估，他问我评估方法等9.如果你设计的这个全流程要先发行一版，你准备保留哪些重要的功能（节点）10.有没有使用过一些代码编程AI（如cursor、codex等），然后进行了一些延伸