双非本投软开，等待二面

八股原理 1. 请介绍 Transformer 的结构组成及各部分作用2. 如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3. LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？4. KV Cache 是什么？为什么能极大地提升推理速度？5. RAG 完整流程，构建向量检索库时如何处理时间衰减对召回的影响？6. 微调时的训练数据是怎么构建的？如何保证样本多样性和质量？7. 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？如何保证实时性？8. 训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？9. 在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10. 大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？11. 如果在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？代码题12. LeetCode 15 三数之和

继续来分享下之前的面经~欢迎友好讨论，信息共享1.为什么Vue不需要Fiber设计？2.React 如何做性能优化？3.使用过哪些打包工具？是如何做打包优化的？4.HTTP1、2、3各个版本的协议有哪些区别？5.你Agent 系统里边技术选型是怎么做的 ？6.AI对话里的流式渲染的实现方式？7.为什么选SSE？说一下你们SSE是怎么实现的，怎么断点重连的？你怎么判断服务端断开了？8.Markdown 分块渲染算法你们是怎么做的？为什么要这么做？主要解决了什么问题？9.假设用户一次性paste了一万行markdown进去，而且他在滚动的时候卡住了，你是怎么处理？10.假若有个调用后台接口的场景：前端调B系统接口，但接口不支持 OPTIONS，你怎么绕过去？11.假如用户说页面白屏或者功能报错了，你会怎么排查？你们生产上有没有遇到用户点开页面直接白屏的？你第一时间怎么排查？

面试很难，还是要多多练习，感觉自己说不明白业务逻辑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？（这个不太理解啥意思），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。