字节ai agent实习二面 攒人品

1. 请做一个简短的自我介绍2. 在你的项目里，挑一个技术难度大点介绍一下3. 你平时工作中用过哪些 AI 编程工具4. 对 Python 掌握如何？在你的实际使用里主要承担什么角色5. 对协程了解吗如果面试官保留“协程”这个点，其实完全可以只从 Python 角度展开。你可以说协程适合 I/O 密集场景，比如异步调用多个外部工具、并发请求检索服务、批量处理模型请求、流式返回等。协程不是让 CPU 计算变快，而是提高等待 I/O 时的资源利用率。在 Agent 场景里，协程比较适合做并发检索、多工具并发探测、异步日志上报、流式 token 处理这些事情。如果继续深入，可以提一下 asyncio...

攒人品中，祝大家都能拿到满意的Offer！1. 实习介绍2. 项目拷打3. 介绍一下Python中的装饰器及其应用场景4. 介绍一下vLLM中PagedAttention的原理5. 在RAG中，文档切片的粒度如何选择？6. 什么是CoT？为什么它能提高模型处理复杂任务的能力？7. 安全护栏是如何实现敏感词拦截的？8. 向量数据库索引中，IVF_FLAT和HNSW有什么区别？各自的适用场景？9. HTTP协议中GET和POST请求的区别？10. 大模型应用中常见的幻觉有哪些类型？在工程上如何缓解？11. Python中列表和元组的区别12. 手撕：无重复字符的最长子串13. 介绍一下Function Call的流程，模型是如何知道该调用哪个工具的？14. LangGraph相比于LangChain有什么优势？LangGraph的状态快照机制了解吗，大概是怎么实现的？你的向量记忆库是如何更新用户画像的？如何区分短期记忆和长期记忆？

1.介绍你的agent项目，为什么做？能解决什么问题？有什么收益？2.知识库agent是搭建在哪里，线上？还是线下？3.大模型是如何选型的？4.RAG知识库的搭建流程？5.在RAG系统中，文档分割大小和检索TopK参数的选择是如何确认下来的？6.你的Mutil-Agent是如何协同的？7.有没有做过本地化部署的模型？8.另一个项目拷打...9.反问...总共耗时在25分钟左右

timeline4.2一面，面完一个小时后约二面4.7二面4.9hr面4.10oc面了快一个月了，总算有收获了，字节hr人很好，体验感很棒。