先占个坑，后面有时间详细写下。————————————————1、自我介绍2、实习拷打3、你讲到实习过程中的数据链路，有什么优化的思路吗4、说说spark和mr的区别，以及为什么spark比mr快5、讲一下维度建模的流程6、做过事实的内容吗7、了解哪些OLAP8、DORIS为什么会快9、列存和行存的区别10、了解数据湖吗11、做过大模型吗（RAG\AGENT）12、SQL，lag()秒了13、反问————————————————反问的时候还给我讲了20分钟业务，转头就挂了，还以为能进个二面呢。

面试时间：2025.09.10，共计65分钟岗位：数开共两位技术面试官，轮流提问流程：自我介绍、项目、基础知识(Java基础方面、数据库方面、计算机基础方面(操作系统)、计算机网络方面)、算法笔试。1、数据平台中，任务计算成本的计费维度？1）计算资源：cpu使用量，内存使用量  2）存储资源：存储空间，存储时间  3）数据传输：数据传出，数据传入  4）作业的执行时间  5）服务类型：离线批处理还是在线流处理2、Spark作业从哪些方面可以发现能够优化？Spark作业可以从哪些方面进行优化？从哪些配置入手 or 从哪些阶段入手？3、数据冷备底层实现一、异构存储是什么HDFS异构存储的价值在于，...

8.21二面 依旧很多大模型相关问题1. 你理解 ThreadLocal 的考点是什么？2. 如何避免线程本地变量导致的内存泄漏？3. try/finally 里 ThreadLocal 要不要手动 remove 掉？4. 本地缓存为什么设置 5 秒？为什么不是别的值？5. 你们是怎么做压测验证的？6. 遇到大促、流量峰值时，如果写操作集中发生，缓存和 DB 一致性如何保证？7. 你在项目里具体负责哪些模块？（缓存 / 对账 / CRUD 等）8. 你现在做的 SDK 具体解决什么问题？9. 老系统和新系统为什么要做迁移？老系统有什么问题？10. 新架构是谁主导设计的？为什么是单体架构？11. 你总结一下你做的三个核心点？12. 你还要负责老逻辑迁移到新系统吗？13. 对大模型（AI/LLM）方面的理解：14. 你怎么看大模型对工作的影响？15. 在你们内容审核业务里，AI 是怎么应用的？16. 你平时在实习里可以使用例如 ChatGPT、Claude、Copilot 之类的工具吗？17. 你个人平时常用哪些模型？（比如 GPT、Claude、通义千问、Gemini）18. 你怎么看像 AI Agent、RAG、MCP 等这些最近很火的概念？19. 你自己有没有实践过 Prompts 的设计？能举一个案例吗？20. 你会怎么验证 / 监控 Prompt 的正确性？如果模型输出结果和预期格式不一致，你们怎么处理？21. 你们上线前会不会评估 Prompt 的效果？怎么测试？22. 你对未来职业的规划是什么？想在技术还是管理上走？23. 你更看重深度还是广度？打算怎么平衡？24. 你对杭州的工作地点接受吗？

1️⃣RAG 有哪几个步骤？Step1:将文本分割成块;Step2:使用编码模型将这些块嵌入到向量中，将所有这些向量放入索引中;Step3:LLM 创建一个提示，告诉模型根据我们在搜索步骤中找到的上下文来回答用户的查询。2️⃣实际项目中RAG有哪些优化技巧？首先召回源会考虑多路召回，在召回后面增加一个重排序的阶段，提升召回的质量。另外，重排序模型以及生成模型会根据系统问答的指标情况，进一步微调。3️⃣RAG 中为什么会出现幻觉？出现幻觉问题主要分为两大类，一是生成结果与数据源不一致，训练数据和源数据不一致、数据没对齐或者编码器理解能力的缺陷导致；二是用户问题超出了大模型的认知，用户的问题不在语言模型认知范围内导致。4️⃣RAG 一般怎么做效果评估？RAG 做效果评估主要是针对检索和生成两个环节。对检索环节，我们可以采用 MRR 即平均倒排率，前 k 项的 Hits Rate 命中率， NDCG 排序指标等。生成环节首先是量化指标，再评估生成答案的多样性，看看模型是否能够生成多种合理且相关的答案。还需要引入人类评估，考虑资源效率。5️⃣针对幻觉的问题，有什么解决思路？加入一些纠偏规则，比如采用 ReAct 的思想，让大模型对输出的结果进行反思。还有一种思路是集成知识图谱，即不再局限于向量数据库匹配，做召回时不仅考虑文档块，同时还考虑图谱的三元组。将知识图谱( KGs ）集成到 RAG 中，通过利用知识图谱中结构化且相互关联的数据，可以显著增强当前 RAG 系统的推理能力。6️⃣在实际做项目中，经常遇到各种边界的 case ，一般怎么解决？这个需要分情况来看，首先是无效问题：如果对于知识库中没有的问题，我们需要做一个准入的判别，判断是否需要回答。一般是一个二分类模型，或者直接用大模型+ prompt 来做，使模型在这种情况下输出一个预设的兜底话术。第二个是减少幻觉，在推理模块中添加规则和提示工程技术。还有一种是格式错误：模型可能会生成无法解析的答案，这种可以设计一个备份的代理大模型，当解析失败时，可以基于代理大模型直接生成简洁准确的总结。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。