秋招三战字节共十面，这次我又被耍了？

继续多发面经多多攒人品---------------------------------------------------------1.个人的基本介绍（2min）------------------------------------------项目介绍（25min）---------------------------------------------------2.项目的介绍以及拷打。3.技术和业务上面的难点能分别讲讲么？4.RAG知识库如何搭建的，如何进行隔离呢，用的是什么样的元数据过滤，具体是靠什么字段来区分的呢？5.讲一下embedding 的原理，以及你的项目用的是什么模型，和其他的模型比较有什么用的不同么？6.整体流程，就是问当前端调用，用户输入流经的全过程，哪些工具要调用，然后交互是什么样的，记忆是如何进行一个更新的呢，然后会输出返回什么给用户。7.PE的提示词工程的设计是怎么样的，你说的分层次设计和最佳范式以及高质量样本是什么呢？8.项目用了MCP么？如果Mcp工具如果要运用在你的项目当中该怎么做？9.有多少工具，这里的调用会不会有其他的问题，比如上下文的占用以及这些工具的设计目的是为了什么业务场景？----------------------------------------------------基本八股（8min）---------------------------------------------------10.如何进行AI coding 的使用呢？个人或者团队开发时是怎么办的？11. TRAE、克劳德、谷歌，gpt，都用过那可以说一下他们各自的使用体验，多模态和分析角度的不同。12.Mysql的数据引擎有哪些，InnoDB，MyISAM，Memory从事务，锁的粒度来讲，以及innoDB为什么更好呢？13.索引的实现，有哪些数据结构？有哪些索引，能说多少说多少--------------------------------------------------算法题（16min）---------------------------------------------------DFS的岛屿数量问题，思路，写一下，以及如果要求最大面积该怎么做呢？写完再写一个（调了好一会，因为好像没有debug的功能么）-------------------------------------反问--（10分钟）--------------------------面试官也比较能说会道，给我讲解了业务的方向，以及遇到了什么样的难点，用户意图识别，以及openclaw相关的未来应用的方向的讨论。---------------------后续：2小时后约三面。

1、自我介绍2、实习介绍, 遇到过什么困难,有什么提升3、如果现在就是开发的话，一般用什么 IDEPython 开发我一般用 PyCharm 或者 VS Code。如果项目偏工程化、代码量比较大、需要比较强的调试和项目管理能力，我更倾向用 PyCharm，因为它对 Python 项目结构、虚拟环境、断点调试、调用链查看支持比较完整。如果项目需要同时处理前后端、脚本、配置和容器文件，我会用 VS Code，因为插件生态更灵活，远程开发也比较方便。如果涉及服务部署和 Linux 环境排查，我也会结合终端、vim、tmux 一起用。4、项目介绍5、上线后出现 bug，一般怎么处理线上出现 bug 时...

一、AI 基础知识（核心入门层级）1. 大模型基础核心概念- 核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）2. 大模型关键能力- 核心能力：文本生成、代码生成、多模态理解（文生图/文生视频）、知识问答3. 前端视角核心应用（入门落地）- 模型调用：API 调用大模型方法- 流式处理：SSE/WebSocket 流式输出处理技巧，可结合缓冲区+分段解析机制优化体验- 成本优化：Token 消耗优化方法二、AI 进阶技术（能力提升层级）1. Agent 核心技术- 定义：可自主规划、调用工具、完成复杂任务的 AI 实体（代表：Coze 扣子、TRAE）- 前端视角：Agent 交互界面设计、多轮对话管理，可借助 A2UI 协议实现 AI 驱动的界面动态渲染2. RAG（检索增强生成）- 核心：结合私有知识库，提升大模型回答精准度与可控性，本质是“检索-增强-生成”的闭环流程- 前端视角：RAG 检索过程可视化展示、检索结果与模型输出的联动呈现3. 多模态 AI 技术- 核心定义：文本、图像、音频、视频的融合生成与理解（代表场景：剪映 AI 生成、实时交互）- 前端视角核心技术：Canvas/WebGL 渲染、WebGPU 加速（提升渲染性能）；WebRTC 实时流处理（支撑实时交互）；多模态内容预览、编辑功能实现（适配前端交互场景）三、AI 工具链及应用场景（落地实践层级）1. AI IDE 开发（TRAE、Cursor 方向）- 核心定位：端到端生成真实软件的智能协作平台- 前端职责：AI 功能交互（代码生成/理解/问答）、IDE 内核开发、插件生态搭建- 核心技术栈：React/TypeScript、WebAssembly、Monaco Editor、WebSocket/SSE2. Agent 平台开发（Coze、HiAgent 方向）- 核心定位：新一代 AI Agent 协同办公与应用开发平台- 前端职责：LLM 驱动的 Agent 框架实现、多 Agent 协同界面、可视化编排工具开发- 核心技术栈：React/Vue、状态管理、可视化编辑器、实时通信3. 多模态创作与交互（剪映、抖音方向）- 核心定位：生成模型优化、多模态内容合成、实时交互体验提升- 前端职责：AI 生成内容预览、实时滤镜/特效、多模态编辑界面开发- 核心技术栈：WebGL/WebGPU、WebRTC、Canvas、性能优化（FPS、内存）4. AI + 全栈开发（小红书、美团方向）- 核心定位：AI Coding 工具辅助，完成前后端开发、测试、部署全流程- 前端职责：全栈开发、AI 辅助需求分析与方案设计、提升开发效率- 核心技术栈：Node.js/Python、前后端协作、CI/CD、AI 工具深度使用5. 可视化与 AI 交互（同顺方向）- 核心定位：大模型应用可视化交互、RAG/Agent 工作流演示- 前端职责：可视化 Prompt 编排、多轮对话可视化、模型输出调试界面开发- 核心技术栈：ECharts/D3.js、流程图库、实时数据渲染、响应式设计

1、自我介绍2、项目深挖3、如果让你设计一个 Agent 的评测体系，你会怎么做Agent 的评测不能只看最终回答像不像，因为很多场景里最终答案看起来没问题，但中间过程其实已经错了。真正可用的评测体系应该至少覆盖三层。第一层是结果评测，也就是任务有没有完成，最终输出是不是符合目标。第二层是过程评测，要看任务拆解是否合理、工具是否选对、参数是否正确、执行顺序是否稳定。第三层是系统评测，要看延迟、成功率、重试率、单次成本、异常恢复能力这些工程指标。如果是线上系统，我会把评测拆成离线和在线两部分。离线阶段构造标准数据集，做固定样本回放，评估规划正确率、工具调用成功率、任务完成率和输出质量。在线阶段则...