Agent 主要会问以下问题

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...

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

算法开始先做三个算法题，不是很难Linux服务器负载高如何排查？进程间通信方式，哪个效率最高？计网浏览器输入qq.com后发生的网络过程如果发现这个过程很慢，怎么解决让你来运维服务器，发现服务器很慢怎么解决？数据频繁更新，CDN缓存怎么更新，如何保证一致性MySQL常见存储引擎，使用的什么数据结构查询数据库响应慢，如何优化、排查设计使用MySQL存储微信红包收发记录，亿级用户RAG项目整个流程讲一下如何评估效果其他你对运营开发的理解，是干什么的，为什么选择这个，而不是AI或后端开发对AI的看法反问---------- 更新 --------刚发完帖子，就进二面了

腾讯3.31转录用评估加云证，一直等到今天，许愿offer。顺便问问可以打电话催吗，会不会一催就挂听说发帖有玄学，这下不得不信了4.7日状态∶offer报批中4.8日状态∶offer报批中4.10日状态∶不等了，投靠字节了，腾讯你慢慢横向吧。