🕐面试时间：35min❓面试问题：一上来就是学习中有什么困难，是怎么解决的。问第一个项目的流程，为什么要用到这个模式redis，caffine，数据库如何保持数据一致性（给了一个场景，100台服务器，热点数据刚好同时过期怎么办，这时候来一大批数据数据库扛不住怎么办）实习过程中的任务，困难。反问 无八股，无手撕

给我面没招了，发点面经攒攒人品～1.项目拷打2.提示词模板是怎么设计和迭代的？你怎么判断一个模板是真的更好了？3.你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过另一种方案？4.Agent 任务是怎么拆分的？拆分粒度是怎么决定的？5.上下文是怎么构建的？你们怎么避免上下文过长或者信息污染？6.如果上下文窗口不够，你优先保留哪些信息？为什么？7.你们做代码理解的时候，AST、调用关系这些信息是怎么用起来的？8.单测生成里，哪些代码其实不适合生成单测？你们是怎么识别并过滤的？9.覆盖率高但测试质量很差，这种情况你见过吗？你们是怎么解决的？10.mock 在单测里什么时候是必须的？什么时候反而会带来问题？11.如果一个函数依赖数据库和RPC，你怎么让模型生成的单测还能稳定运行？12.你们怎么评估生成单测的质量？除了覆盖率，还有哪些指标？13.LLM 的输入到底是什么？模型真正看到的是什么？14.self attention 的核心作用是什么？为什么要拆成 QKV？为什么 attention 可以建模长距离关系，15.为什么需要 multi-head为什么 attention 可以看成动态加权16.同一个 token 的 Q、K、V 为什么不一样？17.attention 复杂度很高，如果上下文特别长，你会怎么优化？18.模型产生幻觉的时候，一般是什么原因？工程上有什么办法降低

1. 你怎么理解 Agent，和普通大模型问答最大的区别是什么？答：普通大模型问答更像是“你问我答”，核心是根据上下文生成一段自然语言。Agent 不一样，它更像一个会做事的系统，除了生成文字，还要能理解任务、拆解步骤、调用工具、读外部信息、根据执行结果继续往下走。所以 Agent 的重点不是“模型会不会说”，而是“模型能不能在复杂任务里做对决策”。比如普通问答模型适合解释概念，Agent 更适合处理像“帮我查一下某个信息，再结合文档输出结论，最后按固定格式返回”这种任务。如果放到手机或系统场景里，Agent 往往还要接系统能力、应用能力和设备能力，这就不再只是聊天了。2. 你如果做一个手机端...

面的时候感觉面试官问的方向其实已经不匹配了，感觉要挂，但是最后面完还是过了，运气比较好吧，遂记录1. 自我介绍2. 算法题：（1）二叉树最近公共祖先（2）一个班40人，分数都在0-100，小明分数为60分，小明可以挑任意数量的人数和自己一组，要使得这一组的平均分尽可能高，该怎么选，输出最后的人数3. 实习业务及代码实现细节（实现细节有些记不清了，mark一下）4. go的defer和recover5. recover里一般塞什么东西（原话好像是这样，有点久没用了随口胡诌了点，mark一下）6. go的GMP模型介绍7. 如果一个内核线程阻塞了，那go是怎么调度（现场猜的，mark一下）8. MySQL的事务隔离级别以及存在的问题9. MySQL的主从数据同步怎么做10. binlog里面具体是什么东西（记不太清了，凭记忆答了一点，mark一下）11. 可重复读级别下幻读现象的详细解释12. select for update会有什么效果13. 分布式事务了解吗（不了解）14. 分布式锁介绍一下15. redis怎么实现分布式锁（redis有点久没看了，答得不是很全好像，mark一下）16. 假如业务执行还没完，分布式锁就被释放了怎么办（依稀记得好像也是个八股，有点印象，答了大致的思路但是细节记不清了，mark一下）17. 介绍一下https18. https如果有中间人介入怎么办19. CA证书信任链问题20. 平时怎么用ai，用来干什么（问到点了，开始大吹特吹AI Coding工程化实践经验）总的来讲实习业务答得还行，但是实现细节有瑕疵，八股也就mysql和计网好点，其他烂完了，进二面真是运气，球球不要给我一张饼再打我一巴掌把我扇醒🐀三月份能投的都投了，差不多挂完了，tx差不多是最后的希望了