蚂蚁后端一面

第一次面AI应用岗上强度，全程不问具体实现，全是架构层面和底层原理的问题，我差点怀疑面的是架构师岗，感觉专门挑犄角旮旯的地方进行发散提问，还是老老实实润后端吧1.请讲一下 RAG 系统整体的技术架构是什么样的？你项目中对应每一块是怎么做的？2.项目背后的知识库是怎么构建的？3.知识库是怎么采集的？怎么更新的？4.你是在 C 端问答的时候调用网页，而不是在知识采集的时候调用，对吗？5.知识采集部分的更新机制是什么样的？6.知识库是项目自己实现的吗？7.怎么选择性增加知识库内容？具体流程是什么？8.时效性强的信息为什么要存进知识库，而不是直接实时检索网页？9.你怎么理解 RAG 静态知识库和动态网页检索之间的关系？10.哪些场景适合用静态知识库，哪些场景只需要动态 Web Search+Web Fetch 就够了？11.你判断哪些知识可以从动态转为静态存入知识库的标准是什么？12.网页实时更新后，静态知识库内容滞后，这部分影响怎么消除？13.如果让你设计情感咨询类的静态知识库，应该采集哪些静态知识？大概怎么采集、怎么更新？14.请设计这套知识库系统的框架。15.检索端应该采用哪些措施做优化，让检索更准确、知识覆盖更广？16.你项目中的图 RAG 是怎么构建的？17.大模型识别实体的原则是什么？18.知识增多后实体可能泛化、不统一，怎么控制实体的内聚性？19.相同含义但表述不同的实体，怎么合并成同一个实体？20.图构建过程中，怎么抽取实体和实体关系？怎么选择上级节点？21.用大模型抽取实体不可控、不准确，怎么解决这个问题？22.OpenManus和你的系统是什么关系？23.你项目中定义的工具有哪些？24.OpenManus 整体技术架构分几层？分别是哪几层？25.OpenManus处理 Memory 吗？26.为什么没有用 OpenManus自身的 Memory 管理，而是用 Spring AI 实现？27.Spring AI 是怎么处理历史上下文、记忆记录的？具体机制是什么？28.Spring AI 实现的记忆机制和OpenManus原生的 Memory、State 管理机制在功能上有什么区别？29.OpenManus 提供的 Memory 和 State 管理机制有哪些缺点，导致你放弃使用？30.你了解 OpenManus的 Memory 管理是怎么处理上下文超限问题的吗？31.OpenManus 的 Memory 分几层？怎么做记忆的晋升和提取？32.如果让你自己设计 Memory 晋升机制，会怎么设计？33.短期记忆到长期记忆的晋升机制是什么？按迭代次数还是按时间？34.长期记忆的遗忘机制是怎么设计的？35.项目是多 Agent 架构吗？36.OpenManus 怎么处理不同 Agent、不同任务之间的数据依赖、静态条件、竞争条件？37.单 Agent 为什么要选用 OpenManus框架？38.了解 OpenManus 多 Agent 管理能力吗？怎么解决数据流转和静态关系？39.如果让你解决多 Agent 之间的相互依赖，有什么办法？40.Agent 执行的先后顺序怎么定义？定义在哪里？怎么组织？41.Spring AI 核心有哪几套抽象设计？42.你用 Cursor 实现项目的工作过程、思路、框架是什么？怎么让 AI 帮你写项目、实现需求、管理项目？43.如果从 0 到 1 实现同样项目，不是直接拉开源代码，怎么用 AI 辅助完成？44.了解什么是外部肯定吗？45.了解什么是 SDD 吗？46.用 AI 开发时出现反复修 bug、问题修复后复发、修复不生效，是 AI 本身问题还是使用姿势问题？正确的 AI 驱动开发流程应该是什么样的？47.Agent 角色漂移与 Skill 类问题48.你系统里 Agent 角色漂移问题的表现是什么？49.你认为角色漂移本质上是什么问题？50.用什么手段解决角色漂移？51.了解 Skill 吗？Skill 的基本结构是什么？52.有没有不带工具的 Skill？53.了解渐进式披露机制吗？54.选用 PGVector 的原因是什么？55.了解 PGVector 的底层原理吗？反问：我的简历有什么问题？哪些方面了解不够需要加强？传统后端项目在 AI 编程时代还有没有必要性？这真是一个本科生能回答出来的问题吗，一个多小时的狠狠压力

3月份做过一次ai coding了，那次一面挂了。重新投了其他岗位之后，又给我发ai coding了，我看邮件，这个不是只能做一次吗？4.1发的邮件，我没做，今天又给我发了，官网是蓝点。uu门，我需要做吗？

请问蚂蚁二面后多久会通知结果啊，30号二面，到现在还没消息。

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...