理想汽车 后端开发-C++ 一面

1.对 AI、LLM、工作流、MCP、Agent、Prompt 的理解

• AI：让机器模拟人类的理解、推理、生成、决策等智能能力。
• LLM 大语言模型：基于 Transformer 架构，通过海量文本预训练，具备语言理解、文本生成、逻辑推理能力。
• 工作流：将大模型调用流程化，包括输入解析、检索、Prompt 组装、模型调用、结果后处理。
• Agent：具备自主规划、工具调用、记忆和自我修正的智能体，可独立完成复杂任务。
• MCP：多智能体协同框架，多个 Agent 分工协作完成任务。
• Prompt：给大模型的指令，高质量 Prompt 包含角色、任务、约束、格式、示例。

2. 大模型的原理

大模型基于 Transformer 架构，核心是自注意力机制。

• 预训练：在海量文本上做下一个词预测，学习语言规律、知识和逻辑。
• 推理：采用自回归方式逐词生成，通过注意力机制捕捉上下文依赖。
• 本质：通过大规模参数学习语言分布，实现生成与理解。

3. 深挖项目

4. vector 交换资源：swap 和 move 的区别

• swap：双向交换两个 vector 的内部指针、size、capacity，O(1)。
• move：单向转移右值对象资源，原对象变为有效空状态，O(1)。
• 共同点：都不拷贝数据，效率极高。

vector<int> a = {1,2}, b = {3};
a.swap(b);
vector<int> c = move(a);

5. RVO 返回值优化策略

RVO 是 Return Value Optimization。

• 编译器直接在调用方栈空间构造返回对象，不拷贝、不产生临时对象。
• 即使删除拷贝构造，也能正常编译。
• 属于 C++ 最关键的性能优化之一。

struct A { A(){} A(const A&)=delete; };
A func() { return A(); }

6. C++11 特性 + unordered_map 哈希冲突

• C++11 常用特性：右值引用、移动语义、智能指针、thread、atomic、lambda、auto、nullptr、范围for、unordered_map。
• unordered_map 底层用拉链法解决哈希冲突：每个哈希桶对应一条链表；冲突时节点挂载到链表尾部；链表长度 ≥8 转为红黑树，≤6 退回链表。

7. unordered_map 负载因子、扩容、为什么用质数

• 默认负载因子：1