万能的牛友，技术终面答的还可以（虽然可能只是自我感觉良好😭，因为技术终面基本上都是聊agent，当然面的是卑微的客户端😭），一共是腾讯三面（昨天），高德二面（周一），快手二面（上周五）。但是现在没有一个HR面试😭。有没有过来的大佬说说正常时间是要多久，双非鼠鼠只是想要一个暑期实习😭不想贴钱上班了😭，等的好煎熬，又没有其他面试了😭。

4/1 hr 电话约面的时候问了是否可以转 golang, 同意后约面面试官开头介绍技术栈为 golang面试体验很好, 问答之后基本都有正面回应, 但没怎么挑我的刺, 面试官可能不熟悉 JAVA 或根本就不想要我没录音可能有遗漏Q1 自我介绍Q2 你是怎么构建这个 agent 的 (组装链 + 执行链)Q3 在执行过程中出现问题怎么解决的, 采用了什么降级措施吗 (没有采用, 直接终止)Q4 你项目上说了 RAG, 你来介绍一下 RAG 在你的项目中是怎么使用的 (作为 advisor 角色, 在思考流程时通过知识库的形式组装到 prompt 中)Q5 你项目使用了 sse, 说说 sse 是什么与 websocket 有什么区别? (sse 单向构建简单)Q6 项目中你是怎么使用 sse 时? (在 trigger 层中配置了 sse 的三个参数, 使用 emitter)Q7 你刚才提到了 trigger 层这一 DDD 领域概念, 你知道 DDD 吗? (不太熟悉, 扯了一下分层, VO, 聚合根)Q8 你这个高并发本地服务平台有什么用? (黑马点评)Q8 你第二个项目高并发平台测试过多高并发度吗? (瞎扯了几百并发度, 实际还没测试)Q9 你说实现了 session 共享怎么实现的, redis 的 key 和 value 怎么储存的 (通过 redis 实现的, 将 session id 作为 key 存储到 redis 中, key 和 value 都是 string)Q10 你说能够无感 token 刷新与权限校验是怎么实现的 (这里我忘记了, 就扯 redis 存然后将 token 返回给前端浏览器)Q11 你说返回给前端浏览器, 然后我换一个浏览器是不是 token 就失效了? (是, 因为 token 是存在浏览器中的)Q12 你提到了 cache aside, 它是什么? (redis 未命中则取数据库, 还说了一下另外两种, 说了一种另一种忘记了)Q13 你说用延迟双删实现过期时间补偿, 什么是延迟双删 (先删 redis 后 sleep 再删 redis)Q14 这个 sleep 设置时间是怎么确定的? (由于前面扯了几百并发度, 就说在这个并发度下这个时间最合适)Q15 你提到了互斥锁, 聊聊你项目里的互斥锁? (首先是 setnx 与 ex 手工首先的互斥锁, 但没有过期续费和可重入功能所以还使用了 redisson)Q16 你提到了布隆过滤器? 说说它的原理 (本质是 hash 表 + 多个 hash 函数, 对应槽位为 0 一定不存在, 全为 1 不保证一定存在)Q17 怎么提高布隆过滤器的准确度 (根据准确度的计算公式, 多增加 hash 函数来实现)Q18 你使用了 lua 脚本, 它的原子性是怎么实现的 (这个一点都不知道, 直接回答了不知道)Q19 后面你提到了 rabbitmq 消息队列, 为什么使用它, 它有哪些使用场景 (聊了 redis 自带的三种消息队列各自的缺点, 但使用场景没讲清除)Q20 你使用了 hyperloglog, 你知道它的原理吗 (不熟悉, 回答不知道后面自己补充了 geo 的原理)Q21 你知道 zset 是怎么实现的吗? (skiplist + score / ziplist)手撕:Q1 最大子数组和 (秒后讲一下原理, dp)反问:Q1 组内业务是做什么的? (QQ 浏览器 + 推荐广告)Q2 是推荐算法吗? (不是, 就是根据已经为用户选好的广告来推送)反思:面试之前都是复习第一个 agent 项目和八股去了, 导致后面的点评很多都忘记了, 后面打算改一下简历, 去掉一些没有和业务相关的技术.还要修正一下自己的回答方式, 多从 业务 -> 技术的角度来思考回复

1.自我介绍2.现在的AI应用和以前的有什么本质区别？3.介绍你在之前的实习中最有成就感的事情4.你是如何使用AI coding的，整个流程讲讲5.你相比没实习之前，提升最大的是什么？6.有听说过钉钉的工作氛围吗，怎么看待加班7.反问

一上来先是手撕，比较简答，大概做了5分钟。一、多模态 RAG 与检索评估多模态预处理中，图片在 RAG 系统里是如何向量化检索的？多模态预处理环节的技术难点是什么？如何杜绝跨场景召回相似步骤的问题，具体实现方式是什么？介绍评估精度和召回率所采用的框架，以及召回率的具体计算细节。该框架中精度和召回率的计算方式分别是什么，二者的核心区别是什么？能否只关注召回率而不关注精度，原因是什么？二、实习项目与意图识别介绍实习业务方向相关的意图识别模型的实现内容。意图识别模型具体能解决什么问题，结合实例说明模型效果提升的具体表现。实习项目中遇到的三个技术问题里，最难的是哪一个，具体难点是什么？实习项目的数据集是如何构造的？该实习项目的开发周期是多久，开发人员配置如何？三、代码生成项目与模型适配代码生成相关项目的开发目的是什么？该项目与相关经典框架解决的问题是否相同，核心区别是什么？相关经典框架为何不支持 Qwen 系列模型，具体问题是什么？如何让 Qwen 模型正常使用相关工具，具体实现方式是什么？思考模型与非思考模型的输出除标签外，还有哪些核心区别？如何解决 Qwen 思考模型产生错误工具调用、空工具调用的问题？项目中遇到的核心挑战是否与相关经典框架解决的问题一致？该项目是完全自研还是参考相关实现，具体做了哪些内容和思考？四、Agent 记忆体系（长 / 短期记忆）模型多轮对话的历史记录中，长期记忆和短期记忆由谁定义、如何区分？长期记忆和短期记忆的判断主体是谁，判断的指标是什么？长期记忆的维护需要哪些策略或算法，具体如何维护？长期记忆是否需要做处理，是直接保留对话内容还是总结后保存？长期记忆的总结工作由谁实现，总结的触发时机和算法是什么？结合发现的问题和采取的措施，继续介绍项目后续的开发内容和思路。模型调用搜索工具的优化实现效果如何，与未使用工具前的核心区别是什么？项目中状态机的能力具体是如何体现的？大模型如何感知状态机的当前状态？短期记忆的 5 轮对话指原始对话还是整理后的内容，短期记忆如何转化为长期记忆？触发短期记忆转化为长期记忆的条件是什么，如何结合短期记忆和已有长期记忆生长新的期记忆？长期记忆的淘汰算法是否为先进先出，该算法是否存在问题？针对长期记忆先进先出算法的潜在问题，是否有新的优化思路？长期记忆是否一定要淘汰，能否通过检索方式调取而非丢弃，该思路的可行性如何？长期记忆占用模型上下文窗口会导致输出窗口压缩，该问题的优化方向是什么？五、RAG 与代码助手落地项目中 RAG 的作用是什么，其调用时机是怎样的？该代码生成相关项目整体的技术难点是什么？现阶段各类大模型代码助手平台大规模落地使用的最大难点是什么，解决哪个核心问题才能实现规模化应用？如何解决大模型对大代码量项目理解不足、易出错的问题？代码助手在代码检索时，如何高效找到与问题相关的依赖并提供给大模型？现阶段为何少有框架做代码依赖相关的优化工作，核心原因是什么？若要解决代码依赖难以查找、模型无法理解整体代码库的问题，除构建图谱外还有哪些方法？六、模型训练与技术拓展介绍实习过程中做的模型后训练相关工作，具体实现方式是什么？基于 400 条回答不佳的真实数据，如何将其用于模型训练？仅靠 400 条数据难以训练出靠谱模型，如何将数据集扩展到 1 万条，具体的扩展过程是什么？介绍近期看过的技术相关文章，说明其核心内容和解决的问题。该技术框架与其他同类框架（如 Agent 相关框架）的核心区别是什么？介绍毕业论文的研究方向和核心内容。能否立即到岗实习，实习的可到岗时间是怎样的？