淘天-ai应用开发-一面

之前已经电话面过，这回为正式一面。

一、 实习项目

拷打实习，不方便透露；

二、 高并发演进与 MQ 消息中间件
1. 性能优化演进、

详细描述 AI 用例缺陷审查任务的优化过程

面对 1~2 亿条msg的突发消息洪峰（MQ 压力极大），除了单机单线程处理，还有什么更好的架构级解决方案？

2. RabbitMQ vs RocketMQ 技术选型

请对比 RabbitMQ 和 RocketMQ 的底层架构与优缺点。

这两种 MQ 分别适用于什么样的业务场景？

RocketMQ 的 ACK 机制和消息重发机制是怎样的？

如何在这两种 MQ 中实现顺序消费？

如何支持分布式事务消息？

三、 AI Agent 与 RAG 架构设计
1. RAG的痛点与优化

如何解决 RAG 检索出来的知识忠实度不够、回答有偏差的问题？

对于长文档（如 200~300M 包含图片的文档），Chunk（文本块）的切分策略是怎样的？

大模型上下文窗口变大后（如从 256K 提升至 1M），如何解决“中间遗忘 (Lost in the middle)”的问题？

2. Agent 编排与大模型框架

在简单的问答任务和复杂的配置任务中，分别采用了哪种 Agent 架构？

MAS 多智能体架构在处理复杂任务时有什么明显的缺点？
为什么选择 Spring AI 框架？在实际使用中发现它有什么缺陷？

四、 场景架构题与 AI 评测机制
1. Agent 评测体系 (Eval)

你们通过哪些指标来评测 Agent 的表现？
如何定义和评判一个回答是否是“高分回答”？
2. 真实大厂高容错场景设计

场景描述： 如果将你的 AI 配置助手放在天猫商家/运营的真实环境中，面对成千上万的用户请求，必须保证极高的容错率和准确率。同时，真实用户的反馈收集率通常极低（万分之几）。

问题要求： 在此背景下，如何升级你的系统架构？如何进行自动化的投放与评测闭环？

【无论过没过，双非本科能面淘天已经非常感谢🙏🙏🙏】#牛客AI配图神器#