无手撕，30mins左右。【面试问题】1. 🧑‍💻 请先自我介绍一下。2. 🔍 做服务时为何选择 LlamaIndex？是否调研过其他技术？3. 📚 还了解哪些相关技术4. 🧠 对 RAG 有何深入认识？5. 📄 切片（chunking）的原理是什么？6. 🧰 技术栈用过哪些语言（C/C++、Python、Go）？7. 🚀 Go 的 goroutine 与传统线程的区别是什么？8. 🔄 goroutine 的并发控制怎么做？如何等待全部结束？9. 🐳 Docker 镜像三层叠加（A 层 1 MB → B 层改 1.5 MB → C 层删除文件）后最终镜像大小是多少？10. 🗂️ 容器启动后在 C 层还能否看到被删除的 A 层文件？底层是否仍存在？11. 🧹 有哪些手段可减小最终镜像体积？（multi-stage 了解吗？）12. ☸️ 对 Kubernetes 的核心概念与组件了解多少？16. 🤖 描述 LLM、Agent、MCP 之间的关系。17. 🛠️ 是否亲手写过 Agent 或 MCP？请举例说明实现过程。场景题：13. 🖥️ 1 万台机器偶发 IO 飙高，如何定位任意时间点、任意进程的 IO 贡献？最后反问业务，面试官人非常好，非常友善，很详细的介绍了部门的情况，分享给大家。部门主要分三大块：大数据，云计算，AI Coding。大数据不谈。云计算又分上层和底层：- 上层先做“应用交付”，也就是传统部署的升级版。最早用虚拟机，资源利用率太低，现在全面换成 Kubernetes + Docker 容器化。有了容器，交付模式就变了：需求管理：企业开发不能随手写代码，得先提需求、审批、测试，全流程我们管。代码仓库：GitHub 或内部 GitLab，也是我们维护。CI/CD：以前用虚拟机构建，现在容器化，任务跑完立即释放 Pod，一天并发十几万。装包→单测→API 测试→打镜像→安全扫描→发布，每一环都是 CI 的一部分。Code Review：合并前必须过评审。CD 交付：最核心。前面就算出错也不会让站点崩溃，CD 必须保证高可用、多集群、容灾、流量无损。我们用 Kubernetes Operator 做滚动发布：5 台机器先拉 1 台做灰度，人工验证没问题再逐步扩，数据中心级别也是逐点发布。- 说完上层，再说底层：资源利用率：让一台 Node 跑更多 Pod，省的就是真金白银。混部：CI 任务结束后立即销毁 Pod，把资源立刻让给别人，进一步提高利用率。调度、监控等组件。AI Coding 部门：目标是用户提需求 + MCP 框架 + 中间件 → 自动生成代码，大幅缩短交付周期AI Code Review：用大模型 + Agent 扫描漏洞、给出优化点智能排障：AI 自动定位、修复单测失败等问题