MiniMax-AI APP面经

虽然不知道一共几面，但是为了我之后的面试攒人品。rp++主要都是围绕着项目展开的，都是在深挖项目。一、自我介绍二、项目介绍1. 项目是否对接到某个平台（问傻了我以为是有没有设计交互网站之类的，我没接平台）2. 项目设计的背景和原因3. 记忆模块是怎么设计的4. 用的什么框架5. 关键词抽取和补全是怎么做的6. 用了什么平台和软件进行vibecoding的7. 你整个的设计流程是什么8.MCP和Functioncalling的区别（这个我答得不是很好，没有组织好语言）9. 既然你没有这个部分的背景知识，那么怎么确保返回的答案正确10. 大模型的挑选标准是什么11. 项目都是自己想的吗，你觉得你的项目具有不太替代性吗12. 做了多久三、问了一些关于学校的事情，还有什么时候能工作工作几天之类的四、反问环节。

这几天陆陆续续的面试挺多挺累的一直没来得及整理，两天四面太疲惫了。现在终于有空回头把面经整理一下了快手前端实习一面还有两分钟左右开始的时候面试官去接水了，让我等一下，回来还没到点说让我缓一下准备开始，然后我就深呼吸，面试官就跟我说不用紧张什么的，说现在每次面试都是一次宝贵经历巴拉巴拉...，感觉还没开始面就被打上容易紧张的标签了不是你让我缓一下的吗1.自我介绍2.ES6新特性3.promise.all 和 promise.race的区别4.promise.all如果里面有一个失败的话是什么结果5.箭头函数跟普通函数的区别然后问我还紧张吗，我真没有表现出来这么紧张啊，虽然心里是有一点的6.讲讲闭...

岗位是sre一面主要是八股、手撕 + 项目追问。题目中规中矩，但会结合项目一直往工程细节上问。二面和三面无手撕八股，主要是项目深挖和开放问题，尤其关注稳定性、线上风险、工程取舍和AI 应用。八股Go：- GMP 模型- map 多协程读写- 往已关闭的 chan 写/读- Goroutine 泄露场景 + 排查方法（pprof）缓存 & Redis：- 缓存穿透 / 击穿 / 雪崩- 热 key 失效处理- Redis 持久化：RDB / AOF 区别- Redlock 存在的问题- 手撕 LFUMySQL & 数据结构：- B 树 vs B+ 树- 索引类型、索引失效场景- 回表 & 如何减少回表AI / RAG / Langchain：- RAG 脱敏策略 + 召回率验证- Streaming 输出如何处理跨窗口敏感词- LangChain vs LangGraph- LangGraph State & Checkpoint- HITL 实现方式- 上下文过长的 AI 对话处理项目深挖 & 开放问题可观测平台：- 数据如何产生 → 传输 → 存储 → 计算 → 展示效果- Linux 环境能力不足的影响 & 性能优化方法Agent / RAG 项目：- 业务数据流程- 已有平台能力时，为什么还要做定制开发？- 知识库文件格式、非结构化文件抽取- 内容安全 / 脱敏策略开放问题：- 最近在学什么技术？平时怎么学新技术？- AI 越来越强，新手怎么体现自己的价值？总结：项目深挖：不只是做了什么，强调 设计思路、风险控制、落地效果，问流程、原理、选型理由、取舍权衡、落地价值底层技术：Linux 、profiling&可观测技术、MQ/CK/流计算、go并发编程、cgroup、内核版本适配工程架构：数据采集 - 传输 - 存储 - 计算 - 可视化全链路设计、阈值设计、性能开销控制AI 应用：RAG 脱敏、风控、Agent 架构、Langchain 工具使用与二次开发 、如何驾驭AI（AI提效）软实力：职业规划、岗位认知、学习方法、行业思考、业务架构思维

一些自己在网上搜刮的面经题目路过的牛爷爷可以试着答一答，附上自己的答案，如果有更好的答案也可以拷打我，如果有别的比较好的题目也可以评论里发一发。 如何评估 RAG 效果？指标是什么？ 分层评估：  检索质量评估：看如HitRate（命中率），Recall（召回率）等指标 生成质量评估：看如相关性（是否切题）、忠诚度（生成是否基于检索内容生成）、完整性（生成答案是否完整） 用户满意度测评：答案是否满意，检索速度够不够块。  RAG 和微调怎么取舍？ RAG适合更新频率高，存在隐私数据以及需要可解性性要求高需要稳定输出的场景。 微调适合需要特定规则以及语气的使用场景。 这两个技术在大部分场景下都不...