淘天暑期实习捡漏-AI算法 多HC 可转正 04.28

一、基本情况与项目背景1.请做一个简单自我介绍。2.你简历里的两段 AI 项目和字节实习经历，整体技术背景是什么？二、计算机基础3.顺序存储和链式存储有什么区别？在随机访问、遍历、插入删除上的效率分别如何？4.HTTPS 的加密原理是什么？对称加密和非对称加密有什么区别？为什么 HTTPS 要结合两者使用？5.高并发场景下，数据库性能可以从哪些方向优化？比如索引、分库分表、缓存分别适合解决什么问题？6.Redis 缓存穿透、缓存击穿分别是什么？一般怎么解决？三、RAG 与检索系统7.RAG 的完整流程是什么？从文档处理、分块、向量化、索引、检索、重排到生成答案，每一步分别做什么？8.混合检索一般包含哪些方式？向量检索和关键词检索分别适合什么场景？9.向量检索在哪些情况下表现不好？比如专业名词、日期、编号、精确字段为什么更适合关键词检索？10.如果 RAG 检索质量比较低，可能是什么原因？你会从 Query 改写、Embedding 模型、Top-k 召回、重排、关键词匹配等方面怎么优化？四、大模型生成参数与输出控制11.如果希望大模型输出更稳定、更确定，可以调整哪些参数？Temperature、Top-k、Top-p 分别有什么作用？12.除了调参数，提示词层面如何提高输出的准确性、确定性和可追溯性？五、LangChain / LangGraph 技术选型13.你的项目为什么选择 LangChain？14.LangChain 和 LangGraph 的区别是什么？什么场景下 LangGraph 更适合？六、Multi-Agent 架构设计15.你的多 Agent 系统是怎么设计的？主控 Agent、子 Agent、分析 Agent 分别负责什么？16.多 Agent 之间是如何协作的？任务编排、工具调用、状态管理和结果汇总是怎么做的？17.相比单 Agent，多 Agent 在上下文隔离、职责拆分、问题排查方面有什么优势？又会带来哪些复杂度？七、金融 Agent 的幻觉控制与冲突处理18.金融场景对准确性要求高，你做了哪些减少幻觉的设计？比如降低 Temperature、引用来源、无依据不输出等。19.如果实时新闻和知识库结论冲突，你会如何处理？如何根据用户意图判断该更信实时数据还是长期经验？20.系统里有行情数据、新闻数据、知识库数据等异构数据，你是如何分别处理的？如果要统一检索，会如何设计 metadata、过滤和重排策略？八、AI 交互系统与上下文管理21.你项目里的滑动窗口 / 类滑动窗口上下文管理是怎么做的？超过 token 限制时如何丢弃或保留历史？22.如果不想直接丢弃历史对话，如何通过摘要机制、长期记忆、短期记忆来优化上下文管理？23.子进程调用 AI 接口、主进程通过 JSON 通信这一套机制是怎么设计的？为什么不让主进程直接调用？24.如果子进程调用 AI 接口超时、崩溃或失败，主进程如何感知、重试、记录日志和停止重试？九、Agent 评估体系与后续优化25.你的 Agent 系统现在是怎么评估效果的？如果要做完整评估体系，会从人工评测、测试集、系统指标、RAG 指标、用户反馈哪些方面建设？26.如何评估工具调用成功率、接口超时率、运行成功率、检索召回率和回答质量？27.你的 Agent 后续有哪些优化方向？比如长短期记忆、用户画像、反馈闭环、动态调整子 Agent 权重等。28.为什么 Agent 的“自动自进化”比较难，仍然需要人工干预和质量评估？

被挂了，希望发出来对大家有帮助！项目追问（约25分钟）1.为什么选择前端方向？2.学习前端的路径和渠道？3.多Agent怎么编排的？4.前端资源缓存怎么配的？5.SSE流式数据怎么处理？6.SSE数据格式是什么？7.AI coding占比多少？JS基础（约15分钟）1.var/let/const声明打印结果（3题）2.作用域链+闭包分析3.事件循环：宏任务/微任务执行顺序手撕代码（2题）数组扁平化（flatten）扩展：支持depth参数控制展开层数

有面试过同岗的朋友欢迎评论区交流项目拷打聊AI八股1.你说你用了langchain和langgraph，介绍一下他们和二者的关系2.你觉得langgraph真正的强大之处在哪？他有哪些关键的机制？3.你知道langchain和langgraph框架在Java端的适配版本吗？有调研过吗？4.你了解过向量数据库milvus的索引吗？5.能简单讲讲向量的稠密索引是如何工作的吗？6.你了解微调吗？Lora微调的原理是什么？与全量微调有何区别？7.你了解vLLM吗？你知道他的原理吗？8.你提到你使用了一些提示词工程，比如few shot和CoT，介绍一下他们以及具体的应用场景。9.你的项目中如何应用提示词工程的？你怎么管理不同版本的提示词呢？10.你了解哪些降低大模型幻觉的手段？11.除了RAG，还有别的方法吗？12.你的项目用了几个Agent？你的多个Agent之间如何通信？13.你有没有考虑过Agent之间无限循环调用导致token消耗爆炸的情况？有没有解决方案或者思路？14.你的项目中是如何计算和监控token消耗量的？15.你了解哪些Agent通信方法？16.算法题：高精度乘法

暑期实习的时候，ld让我优化之前的自动化测试代码，代码是上一个员工写的，不过他已经离职了，ld给了我一周的时间，后面公司就要用了，我那一周一直在理清代码的思路，修复了一些bug，后面ld和其他同事都在用我优化的代码，还让我整理成文档，之后就接手这个平台的维护，不过后来我走了