双非字节面试拷打

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 实习拷打2.项目拷打3. 详细介绍一下agent项目的核心功能？4. 智能运维助手的"运维"具体如何定义？5. 系统有哪几个主要的组成部分？6. Spring ai alibaba覆盖了你上面说的哪些部分？7. Planner/Executor/Supervisor模式的优点是什么？比如说我接收一个请求的处理，它的优点是什么？8. 在Planner/Executor/Supervisor模式中，拆分为3个agent和只使用1个agent，最关键的优势和区别是什么？9. 介绍RAG的核心流程？10. 召回和重排用的什么算法？(没用重排，道歉)11. 为什么要做RAG？12. 模型回复效果不好的话，如何在RAG层面采取优化措施？如何通过微调采取优化措施？微调属于预训练还是后训练？13. 简单对比一下MySQL和Redis各自的特点？14. MySQL的"关系型"是什么意思？15. Redis能不能做存储，而不仅仅是缓存？16. 场景题: Java多线程并发模型相关: 比如说我有这么一个场景，总体上是一个生产消费的一个模型，但是这个整个的任务的量比较大。就是比如说我有很多的任务，然后可能有成千上万个生产者消费者。比如说有1万个生产者生产消息，然后有5万个消费者消费消息，或者叫任务或者消息或者数据都可以吧。然后因为整体任务量很大嘛，所以大家要去并发去生产和消费。能简单说一下，这样的话用Java的并发模型和并发控制所相关的这个机制怎么去实现，就口述就可以17. 手撕: lc 224.基本计算器(hard) 限时20min

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1、实习拷打2、项目拷打（1）稍微详细介绍一下你的项目。（2）听起来是一个仿小红书的网站。你觉得里面主要的难点是哪里？（3）具体怎么做的呢？（4）一个是点赞数到达1000，另一个是时间限制1秒，对吧？这样设计的点赞QPS上限是多少？（5）如果面向用户量很大的APP，除了高并发写，还有其他问题，比如热点数据。如果有一条笔记爆火了怎么办？（6）如果热点流量打破了Redis单节点的上限，怎么处理（7）服务器转发一般有什么转发算法？（8）Redis和Caffeine两级缓存的数据一致性怎么保证？（9）你设计了点赞、评论等服务，是自己去搭的平台，没有真实用户吧？（10）AI大模型发展很快，有用AI去生成代码吗？3、八股文（1）二维数组按行遍历和按列遍历性能上有什么差异？（2）CPU缓存是怎么设计的？有几层缓存？（3）有一棵二叉查找树，找第K小的元素怎么找？（4）中序遍历查找的时间复杂度是多少？有更快的算法吗？（5）Java的内存是怎么进行管理的？（6）用Java时，有没有遇到过OOM（OutOfMemoryError）问题？应该怎么定位？4、手撕：从尾节点开始，K个一组反转链表

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.论文拷打2.如何确定改进的方向，动机是什么3.问了一下实习做的工作，没细问4.深度学习基础知识，网络怎么初始化5.过拟合6.dropout，推理时dropout需要什么额外处理7.手撕，算sqrt()，要写两种方法，牛顿迭代和二分查找

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.这个方案有没有考虑过在单 Agent 里面继续丰富它的 tool？3.单 Agent 和多 Agent 这两条路线，你们当时是怎么考虑的？为什么最后选择了多 Agent？4.如果模型自己思考并自主选择调用什么工具、执行什么操作，这种方式有什么问题？5.Agent 可以自主决定要不要调用工具；如果不需要就结束整个 ReAct 循环。那按这个逻辑，理论上是不是不需要额外做 Agent 编排/流程设计？6.刚刚提到的那个基于业务知识库的RAG系统，你们是怎么搭建的？7.召回是基于向量相似度做的吗？还是基于 embedding 模型，或者别的方式？8.我听到这里的 TopK，是不是一个向量检索相关的概念？因为你刚刚提到了向量数据库，是吗？9.在这个项目里，你觉得自己做得比较好，或者最有挑战的一件事是什么？10.刚刚提到这个场景涉及多 Agent 的综合调用，是吗？11.如果是在同一个业务领域里，为什么不考虑做成单 Agent，让模型自主思考后再去调用？12.既然 Tool 背后本质上就是 RPC 接口，那不能统一封装后交给同一个 Agent 内部去调度吗？13.你们这个检索/召回方案里，评价指标具体怎么看？14.你们拆成多 Agent 之后，链路失败或局部失败时怎么处理？15.多 Agent 场景下，上下文传递为什么要用 json / slot 这类结构化方式？16.如果 Tool 本身都能统一封装，为什么还要按业务拆 Agent？17.你在线上项目里是怎么权衡响应时间和效果的？手撕：单词拆分