AI开发岗实习面经|学习路线分享

攒人品攒人品1.自我介绍2.说一下项目中或者实习中有挑战的一点3.场景题：根据用户的需求查询数据库生成报表的AiAgent,怎么设计4.Agent决策机制：Agent如何决定什么时候调数据库，什么时候生成图表？这个决策是怎么实现的？5.工具调用规范：工具的调用规范，这块是怎么大概设计的？每个工具有什么规范？6.安全控制：在做生成报表的时候，如何控制SQL只允许SELECT，react怎么控制，禁止DDL（如DELETE）这种操作？怎么去设计这一块？7.了解过工具的组成吗（name?description?prompt)?LLM输出框架Functioncalling?8.输出稳定性：大模型输出准确率不一样，怎么让它每次基本保持一个稳定的输出？（如何提高输出一致性）9.LangChain和LangGraph有了解过吗？10.Agent编排有了解过吗？11.RAG大概有几个核心流程？文档加载、文本分割之后还有哪些主要流程？检索策略有哪些？（追问：检索可以通过关键词和语义，那重排这块是怎么做的？）12.多轮对话（多轮查询）有研究/看过吗？在你的项目/实习中用到这块了吗？是在哪一块用的？13.HashMap：HashMap在1.8之前和1.8是怎么实现的？1.8有什么不同？14.Spring依赖注入实例化加载机制聊一下？15.依赖注入（@Autowired）大概是怎么一个过程？经过哪些步骤？16.redis 的pipeline和事务有什么区别？17.事务原子性：● 事务（EXEC）能保证原子性吗？有什么局限性？● 如果要保证原子性，怎么做？● 在EXEC执行前，客户端连接断开了会发生什么？● 事务中的命令是顺序执行的吗？能不能被中断？（指其他客户端的命令能否插队执行）18.怎么保证数据不丢失19.集群：如果集群中有一个或两个节点有问题，是怎么做的？（故障发现与转移）20.rdb和aof21.HTTP/1.1和HTTP/2有哪些核心改进？● （追问）你提到HTTP/2头部压缩中，服务端和客户端都有索引表  ，这个索引怎么去看？● （追问）HTTP/2的多路复用是怎样的？，和以前的网络模型有什么区别？现在的浏览器里（HTTP/2）底层模型是什么？● （追问）HTTP/3底层有什么变化？22.TCP有哪些部分组成23.tcp报文（数据帧）的结构大概是怎样设计的？包括哪几部分？24.linux如何查看Linux中的进程？ 查看端口占用用什么命令？25如果user服务卡住了，怎么分析？   还有其他的吗？还有其他的吗？还有其他的吗？26.如何查看进程有哪些状态？ps-ef看哪个值d状态什么意思z?啥是僵尸状态？为啥父进程没有被回收呢？27.k8s接触过吗？doctor呢？langchain？28.部署服务怎么做？29.shell脚本？30.算法，一开始是一个shell脚本我说不会shell,改了一个力扣209：长度最小的子数组

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

1、训练 / 微调数据从哪来？开源、爬取、业务自有、人工标注？2、数据集多少条？正负样本比例多少？分布是否均衡？3、你做了哪些数据清洗、去重、脱敏、噪声过滤？具体怎么做的？4、标注是谁标的？标注规范、质检流程是什么？怎么保证标注质量？5、有没有做数据增强？文本 / 图像分别用了什么增强方式？6、数据集划分比例训练 / 验证 / 测试多少？为什么这么分？

一、基础打底（所有人必学） 1. 编程基础（核心：Python） Python语法、函数、类、文件IO、异常处理 常用库：requests、json、pydantic、asyncio 数据结构：列表、字典、队列、栈、图（基础） Git基础：代码管理、分支、提交 2. AI与大模型基础 LLM原理：Transformer、上下文、token、幻觉、温度 主流模型：GPT4o、Claude 3、Qwen、Llama 3、DeepSeek 模型调用：API密钥、请求格式、流式输出、错误处理 基础NLP：意图识别、实体抽取、文本分类、摘要 3. 提示工程（Agent灵魂） 基础：角色设定、清晰指令、格...