字节后端开发实习（AIDP）二面 45 min

时隔一年再战字节 又是二面挂了😅 每次字节都是第一个面的 准备的确实也不太好。一面 1h左右 根据项目问的八股1. 介绍项目 事务消息在项目中是怎么用的2. 除了事务消息还有哪些实现分布式事务的方法 优缺点是什么3. 2PC 3PC的区别4. mysql执行一条插入语句的过程5. mysql中有哪些索引 分别用了什么数据结构实现的？ 比较各种数据结构6. 分布式事务和本地事务的区别？7. 队列怎么保证消息不丢失 不重复消费算法：实现一个类似于MVCC的数据结构 按不同时间戳保存数据的多个版本 询问时返回数据不超过timestamp的那个版本面试官经典问题：1. 为什么要用这个技术实现功能2. 这个技术和其他相似技术的区别是什么 还知道哪些其他技术3. 技术的底层原理感觉面试的核心就是这三个问题二面 1h左右1. 智能指针介绍一下 什么时候用原始指针好？2. 深拷贝 浅拷贝3. 平时怎么用AI辅助编程的 有什么经验吗？4. 实习过程中做完一个项目有没有总结可复用的内容5. 了解大模型评测吗 怎么评测的？怎么评估一个测试集的质量？6. 有了解AI前沿的技术吗算法题：判断二维平面上3点能否构成三角形 主要考虑优化double的精度问题 这题我直接用叉积 但是面试官说的精度不够 我后来又问豆包 给的答案和我一样 不知道面试官想要什么答案。反问：1. 有哪些不足？ 技术上还行 但是对于AI的理解比较欠缺。

一面技术面侥幸通过，抠了项目的细节，问了几个拓展问题；想请教一下各位大佬，跟技术面相比，主管面更看重些什么，会问什么问题，该从哪些方面准备

发点面经攒攒人品～1.实习介绍2.拷打第一个项目3.拷打第二个项目4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？6.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？7.向量库检索出的Top-K结果，如果K值设置得过大，对后续的生成质量有哪些负面影响？8.余弦相似度和欧氏距离在衡量文本相似性时，各自的优缺点是什么？9.为什么在初筛召回之后，还要加一个Rerank模型？它能解决向量搜索的哪些局限？10.如果文档发生了局部更新，如何通过增量索引来避免全量重新向量化？11.在RAG的生成阶段，如何在Prompt中设定边界条件来防止模型在没搜到内容时产生幻觉？12.了解HyDE吗？介绍一下原理，它在处理模糊提问时有哪些优势？13.随着超长上下文模型的出现，你认为传统RAG架构的必要性是否降低了？14.你了解哪些大模型推理框架？SGLang相比vLLM的PagedAttention在推理延迟上有哪些优势？15.调用大模型API时，为什么要使用asyncio异步编程？它在处理高并发请求时有何优势？16.针对大规模PDF解析这种任务，你选择多线程还是多进程？17.如何确保Agent返回的结果是标准的JSON格式？如果模型输出中有多余的说明文字，你在后端如何提取？18.场景题：对于RAG，如果检索到了针对同一故障的两份手册，内容相互冲突，请你设计一套逻辑，让模型能够识别冲突并优先选择时效性更高的信息？19.手撕：第k大元素

1. 自我介绍2. 项目介绍3. 项目拓展问题：如果某个智能体在运行过程中，系统突然升级重启，有什么异常恢复的思路4. 项目拓展问题：多智能体转接的底层逻辑5. 是否了解 skill，和 MCP 的区别6. 项目拓展问题：你的 RAG 项目和传统 RAG 相比，做了哪些改进，用了什么分块，检索策略7. 是否了解 MySQL 索引8. 手撕：模拟实现一个栈和队列（听到这么简单的手撕题，差点没绷住笑出声😁）9. 反问