面试官很好，体验不错。钉钉是：先面试，再笔试、测评，然后再面试。  流程是 至少3面。【面试问题】1. 👋 请先自我介绍一下。项目相关八股：13. 🧩 你是否了解 **大模型架构**的差异？15. 📚 你是否了解 **KV Cache** 的作用与实现？16. 🗂️ 你在 **RAG** 的实现中具体怎么做的？17. 🔍 你在 RAG 中是否对比过 **稠密检索** 与 **BM25** 的效果？18. 🔢  top-k 是多少？19. 🧪 你做这些项目时，觉得最难、最深刻的挑战是什么？20. 📖 你平时如何学习新知识？手撕：一个非常简单的dfs找组合的题。

1、实习介绍2、redis基本数据类型3、redis是单线程模型吗，如果是为什么性能还高4、redis主从复制原理5、责任链和规则树怎么协同工作的6、mcp框架的作用7、mcp和function call区别8、mcp怎么支持在运行时修改agent流程和参数，比如说能否通过通过配置文件或api实现热更新9、mcp和rag怎么协作的10、spring bean的生命周期11、synchronize锁升级过程12、hashmap底层数据结构13、hashmap是线程安全吗14、一个数组先升序再降序怎么找到最大值呢，口述15、有两根绳子粗细不均，已知一根烧完需要1个小时，怎么烧能计算出15分钟16、...

面试官人不错，但有些问题被问住了， 还是太菜了。不知道能不能过。问了流程， 说是：技术 3+HR 1【面试问题】1️⃣ 可以介绍一下你自己吗？2️⃣ 你觉得做得比较有成就感的一个项目是什么？在里面承担了什么角色？项目相关8️⃣ embedding 的原理是什么？它是如何让语义相近的内容在向量空间靠近的？9️⃣ Transformer 架构你了解吗？现在流行的 GPT 类 decoder-only 模型的工作流程和整体架构大概是什么样？🔟 大模型推理成本高，主要消耗在哪些地方？1️⃣1️⃣ 你在 AI 方面比较关注、感兴趣的方向是什么？1️⃣2️⃣ 如果给你一张 32B 参数量、未量化的模型，你觉得跑起来大概需要多少显存？1️⃣3️⃣ 训练时的精度（FP32、BF16、FP16 等）和推理时的精度有什么差异？各自怎么选择？1️⃣4️⃣ BF16 与 FP16 的差别是什么？1️⃣5️⃣ 你了解不同显卡（如 RTX 4090、A100/H100）支持的计算数据类型和算力大概是什么水平吗？1️⃣6️⃣ 你平常在工作、学习或科研中是如何使用 AI 的？1️⃣7️⃣ 你会用国产大模型或工具吗？1️⃣8️⃣ 你有实习经历吗？

一面：1、实习拷打（8min）2、谈谈研究方向3、谈谈图数据库和知识图谱的关系4、谈谈图数据库和关系型数据库的区别5、什么样场景适合用图数据库6、例如推荐系统的场景用图数据库来存储，如何支持对推荐算法做支持？7、图数据库是否对 BFS、DFS、找节点之间最短路等有支持？8、迪杰斯特拉算法的过程9、知不知道 A* 算法？它优化了迪杰斯特拉的什么问题？10、自己开发用的什么 JDK 版本？了解哪些不同 JDK 版本的新特性？11、谈谈 JDK25 有些什么新特性？12、平时用大模型来干什么？13、GraphRAG 底层是如何去构建出实体以及实体之间的关系的？