腾讯后端ai开发实习一面面经分享

最近看了领域驱动设计，斗胆粗浅聊聊我的看法：1. DDD演进了三层架构presatition-Application层（也可以叫service层、逻辑业务层BLL层)-DAL层（也可以叫Infra等），由于application层逻辑过多，后期维护容易像面条一样缠在一起，数据耦合混乱，引入DDD层 依赖反转将数据流清晰，开发熵增慢。对于这一层的设计，将外部所有依赖都反转依赖DDD层，对层的设计，延伸出来了很多概念，entity-value object-domain service，用来定义DDD层的零件；aggregate-factory-repository用来规范对象的增(factory)删改查（aggregate）与持久化(repository）。2.架构通过文件系统（文件夹、命名）以模块化的形式展现，对应到具体的实践，DDD层以domain文件夹声明，domainService以命名*Manager声明等。2.业务演进模型会变得更加复杂、为了将层与层、模型与模型之间（拆分出界限）之间进行区分，又引入了限界上下文-上下文映射-域等概念；层与层之间需要通信，通过共享内核（shared）、防腐层（ACL）等进行通信。4.架构有很多书籍、很多架构形状，本质都在说同一件事情：引用《整洁架构的》观点，基于多态实现抽象接口，实践依赖反转的原则，忽略外部细节。5.架构设计-架构模式-设计模式，维度层层变小。DDD、整洁架构等一类思想启蒙类、内在审美类的书籍归类架构设计；微服务-六边形等属于具体的架构模式，是对思想和设计的实现；设计模式指的是GoF 23种设计模式又是具体架构模式的局部细节抽象，维度就更低了。

1. 什么是 LangChain？LangChain 是一套面向大模型应用开发的框架，核心目标不是替代模型本身，而是把模型、提示词、检索、工具调用、记忆、链式编排这些能力串起来，方便做复杂应用。它更像是“应用层基础设施”，把原本散落在 prompt、API 调用、向量库、工具调度里的逻辑统一起来。2. LangChain 包含哪些核心概念？LangChain 里比较核心的概念主要包括 Chains、Components、Prompt Templates、Example Selectors、Output Parsers、Indexes、Retrievers、ChatMessageHistory、...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.讲一下 Transformer 架构原理以及最新进展2.介绍 Transformer 后续发展的两个流派：Encoder 和 Decoder3.为什么现在的大模型都是 Decoder-only4.讲一下实习工作5.怎么量化可视化 Prompt 对决策能力的干扰权重6.如何判断是可视化 Prompt 内容影响决策，还是 Prompt 太长导致注意力涣散影响决策7.怎么设计实验验证这个问题8.讲一下正负样例是怎么构造的9.训练集是怎么构造的10.训练过程中有没有遇到训练后效果变差的问题11.遇到问题后怎么解决12.如何理解压缩专家向量13.讲一下怎么做分阶段训练14.为什么要分阶段训练15.开放性问题：如果训练一个 AI Coding Agent，是端到端训练还是分阶段训练16.讲一下 GRPO、DPO、PPO 三种算法，以及各自适用场景17.开放性问题：如果要训练一个数学推理的小多模态模型，同时有一个纯文本推理能力强的大模型，你会怎么做蒸馏18.如果没有图片，只有纯文本，怎么设计训练方案19.让你设计一个AI Coding Agent 你会 怎么设计20.后续怎么去评测这个 Agent

哔哩哔哩大模型面试岗，我悟了！！！大家好，我是Yuki。周末跟一个在B站面试大模型算法实习岗的学员聊了整整两个小时，他说这场面试让他“一边冒汗一边开窍”。我让他把面试题完整复述了一遍，今天就把这场高质量的技术对话分享给大家。说实话，这几道题问得是真有水平——不是那种背八股文能应付的，而是实打实考察你做项目的深度和思考力。面试复盘：一场关于Agent的技术拷问第一关：你现在做的Agent到底是什么？面试官开门见山，没有废话。如果你回答“就是一个能调用工具的AI”，那基本就凉了。面试官要听的是：你对自己做的事情有没有系统性的理解。正确的打开方式是这样的：“我负责的是一个面向科研场景的辅助Agent...