携程线下面试…

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.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19.Python有多线程吗？GIL 是干什么的？什么时候多线程是有用的？20.讲一下C++从源码到可执行文件的流程。21.手撕：给定数组的区间中位数之和:给定一个长度为n的数nums，一个区间 [l, r] 的 中位数 为：如果区间长度是奇数：排序后中间的数，如果是偶数：排序后靠左的那个数，要求：计算所有子数组的中位数之和

1、java有哪几种基础数据类型，其中哪些有对应的包装类。2、JVM的内存模型？3、Integer a=1,存在哪部分，Integer a=1和Integer a=100有什么区别吗4、讲一下有哪些垃圾回收算法及其原理。5、有哪些垃圾回收器7、访问redis为什么快？答了redis是访问内存，比访问磁盘快，还有单线程。然后面试官说还有I/O多路复用。然后问多路复用，不会。8、redis有哪些数据类型？Zset的底层数据结构，跳表的原理。9、redis存储时内存不够了怎么办？10、怎么使用redis实现分布式锁，讲一下redisson实现了哪些功能和原理（讲了看门狗，可重入）11、讲一下redis的持久化（AOF 日志和 RDB 快照，以及合体）12、数据库索引的数据结构，对比b树和b+树。13、索引失效的场景，如果字段是字符串类型，使用数字查索引会失效吗？如果字段是证书，使用字符串查 索引会失效吗？14、数据库调优，索引优化。15、讲一下数据库的undolog，redolog，binlog。创建一条记录先写undo log还是redo log。16、手撕hot100 最长回文子串.（还有一些记不清了）补充：新生代复制几次会进入老年代。

本来没有敢投递字节（太硬核），上次投了个财经部门的日常实习，因为不能快速到岗被拒了。HR从人才库里把我捞出来，机缘巧合下面了这个部门。这次下午起来太放松了，忘记录音了，只能给出一个回忆版。自我介绍：这次着重介绍怎么看jdk源码的，项目和经历反而没怎么细说Q1 lua脚本怎么实现原子性Q2 CAS原理，和lua脚本哪个好Q3 刚才提到了负载均衡，解释一下Q4 熟悉那些关系型和非关系型的数据库，这里着重说了一下esQ5 RAG:向量数据库用的什么，怎么存的。怎么检索的，检索之后的排序算法RRFQ6 SSE是怎么做的，推理的时候也是SSE吗Q7 MCP工具调用是怎么做的，工具参数解析是怎么做的Q8 记忆管理是怎么做的Q9 你提到对话之后异步抽取记忆，那么有没有可能存在记忆丢失的可能我答的是由于异步抽取，可能还没有完成记忆落库，主线程的检索请求就来了，这个时候确实检索不到，但是一般最新的消息在滑动窗口里面，所以理论上没关系。我问面试官应该怎么做，他说用LangGraph ,图+状态的流转。还说现在记忆管理是一个开放的问题，有时候做项目会有记忆的污染（一个项目里出现另一个项目的记忆），用户偏好作为记忆是没问题的，不同项目的记忆隔离是个问题。Q10职业规划（做算法还是研发）,实习时间Q11反问，实习生过去做AIops,尝试用agent来自动监控、管理后台的那些容器之类的没有手撕，撕也不怕，上周携程美团拼都督都撕了好几遍了。最后还聊了几句，他说AI时代，知识储备虽然重要，但是看中候选人的潜力。如果候选人能在某个问题展示出自己的思考，或者解决问题的能力也是可以的。AI已经可以让一个人快速获取知识，所以思考和能力比记忆更重要。之前两个京东的面试官，一个美团虚拟数字人。这次面试是体验最好的一次了，我答的混乱的地方他都会总结一下，有些不到位的，他还补充了一下细节，像是探讨交流一样。

现在的AI Agent 工程师 = 后端工程能力 + RAG + Prompt + Agent 架构 + 业务理解AI大大提效了代码能力，最重要的就是业务场景、设计理解等综合素质了最近的面试比较高频问了这些问题，也和大家分享一下1、Agent系统设计（偏场景理解）Q：让你设计一个学习助手 Agent，支持答疑、推荐学习路径、做题讲解，你会怎么设计整个系统架构？考察：Agent 架构 + RAG + Prompt + 工程2、RAG深挖Q：如果你的 RAG 系统召回不准，你可以从哪些方面优化？考察：chunk、embedding、召回策略、rerank、query rewrite、多路召回、知识库质量3、工程相关Q：如果大模型接口延迟 5 秒，你的系统怎么保证用户体验？考察：缓存、流式输出、异步、任务队列、降级策略、本地小模型希望对大家找Agent工作有所帮助！