阿里云agent一面

如果你最近在准备春招或校招，那么你肯定已经发现越来越多的面试官开始主动问起AI Coding相关的问题。而且他们问的方式通常不是很学术，而是很直接，比如你最近会用AI做些什么，有没有用过Claude Code或者Codex这类coding agent，你有没有AI Coding的具体实践，以及你是怎样把AI真正用到真实开发流程里面的。如果把时间拉回到2025年的暑期和秋招，这类问题当时还只出现在少数比较前沿的公司和团队里。但到了今年，它已经明显铺开了。原因其实也不复杂，因为很多公司都在大规模引入AI Coding来提升效率。面试官问这个问题，本质上是在考察你的技术敏感度和工程适应能力。说白了，...

继续来分享下最近的面经~1.介绍一下你设计的整个 Agent 架构。2.为什么设计成主从架构？3.讲一下完整的业务流程，Agent 在整个过程中做了哪些事情？4.为什么在这里设计的是先调用 tool 去查商品，再走 RAG 检索商品信息？5.你的 RAG 知识库的索引是怎么设计的？6.你这个 Agent 的自主规划执行有没有轮次限制？7.你在写 Prompt 方面有什么心得？可以举例说明。8.如果在 Prompt 中明确提出 RAG 结果不要返回某种商品，但模型还是返回了，并且多次出现，这种情况可能是什么原因？9.说说你对 Agent 和 Skills 的理解。10.一般情况下你这个 Agent 的响应时间是多少？

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...

你们这些卡92的，就在jd里标清只要92，装什么众生平等。发70个邮件让我完善简历，我还以为被网暴了。说的就是你慧策，上午参加了宣讲会，技术岗位上来来了一句：只要92或双非ACM银牌，66666。说双非本只能投销售类，后期能转岗（虽然但是就你小子公司的hr已读且回复，那有毛用），92才不去你们那破公司，双非本就和有案底没区别，快滚。