滴滴春招前端一面面经

（分享面经攒人品）面试老师超温柔、超好。第一次面试就这样给团子了。整体下来给我的感觉就是自己太紧张了，答不是很流畅、没怎么分点，回答的比较乱。大概率要g。---------------一面结束第二天收到二面邀约。二面时自我介绍依旧紧张，后边聊嗨了就挺顺畅。------------Timeline-------------4.11 笔试4.13收到一面邀约4.15一面4.16二面邀约4.17二面------------一面-------------------自我介绍项目拷打（半个小时）实习拷打（十几分钟）八股MySQL的索引结构为什么用B+树；一条SQL的执行流程；间隙锁的作用；怎么优化慢SQ...

发一下问题给大家参考，攒攒人品！1.请介绍一个你参与的、与AIAgent相关的项目，并说明你的角色和贡献。2.解释一下什么是向量数据库，它与传统关系型数据库的核心区别是什么?3.在RAG流程中，如果检索到的文档相关性不高，导致生成答案质量差，可能有哪些原因?如何优化?4.谈一谈你对ReAct框架的理解。它的核心思想是什么，如何帮助Agent进行推理和行动?5.在AIAgent中,记忆(Memory)通常分为哪几种类型?简要说明它们的作用。6.实现一个简单的多轮对话状态管理，你会考虑哪些关键要素?7.如何评估一个AIAgent的好坏?除了准确率，还可以关注哪些指标?8.了解LangChain或Llamalndex这类框架吗?谈谈它们解决了什么问题，以及可能的局限性。9.在开发Agent时，如何设计提示词(Prompt)来提升其任务执行的稳定性和准确性?10.手写算法:实现一个函数，计算两个向量的余弦相似度。

排名第一的是"你来一下"。没有任何前缀，没有任何语气，就四个字。不知道是夸你还是骂你，不知道是小事还是出了线上事故，从工位走到会议室这段路能把人心跳加速到180。第二名是"这个需求改一下"，说完已经是下午六点。改一下是多大？不知道。要到什么时候？不知道。能不能准时下班？看这句话出现的时间就知道了。但真正让人腿软的是mentor随口说的那句："这块你来负责吧。"语气很轻，像在说今天天气不错。但实习生听到这句话，当晚基本睡不着——这是信任还是甩锅？搞砸了算谁的？我真的会吗？后来发现，最怕听到的那句话，往往是成长最快的开始。

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。