大模型应用开发一面-美团面经

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.ai项目里面的embedding向量检索的原理是什么，如果保证检索的准确性3.function calling 如何解析用户的意图？4.你是怎么实现模型的对话记忆功能的？（这里回答的队列）队列的底层实现是什么？ 为什么使用堆？堆的优势是什么？5.如何将文本导入向量数据库？切割的依据是什么？6.对话记忆功能是所有的数据都保存吗？超出最大限度怎么办？prompt会改变吗？7.非阻塞式响应是怎么实现的，需要引入什么依赖？8.整个项目是基于什么协议？和https有什么区别？9.你负责什么部分？前端内容是你自己实现的吗？10.zset是居于rediss的什么结构？sorted set是什么？基于哪种数据结构？如何实现？11.lua脚本是怎么使用的？使用的场景是什么？12.讲讲乐观锁是什么？锁的是什么？你在什么场景中使用了乐观锁？13.全局唯一id是怎么实现的？14.做过压测吗？

1. 项目里是把 skill 直接塞进 system prompt 的，如果 skill 太多，占用上下文窗口太大，怎么处理不能把所有 skill 常驻塞进 system prompt，这样会带来三个问题：上下文窗口被占满、候选技能噪声太大、模型在选择 skill 时更容易混淆。更合理的方式是把 skill 做成外部注册表，system prompt 里只保留最小规则和调用协议，真正的 skill 描述按需动态注入。常见做法是先做一层 skill routing。可以用规则、分类模型或者向量检索先筛出 topk skill，再把这几个 skill 的 description、参数 schema...

给我面没招了，发点面经攒攒人品～1.针对智能问答机器人，大模型上下文窗口有限，一般的解决方案是什么?2.记忆系统相较于RAG的优点是什么?3.对话系统的对话存储方式如何设计?4.如何对用户输入进行意图识别和分类?5.为什么记忆系统需要设计遗忘曲线?为什么有些信息需要被遗忘?6. LangChain、 Llamalndex 和 LangGraph的区别是什么?7.什么是MCP(ModelContextProtocol)?MCP的运转流程是什么?8.大模型FunctionCalling的能力是如何实现的?9.如果系统中的工具过多，导致模型调用工具能力变差，如何解决?10.如果工具路由(Router)失败，有什么方法可以缓解?11.在模型层面如何优化工具调用能力?12.如果通过微调来优化工具调用能力，一般采用哪种微调方式?13.如何在大模型系统中接入强化学习进行优化?14.算法题:合并区间(力扣56)

1、自我介绍2、说一下你日常中和实习中对于大模型的一些应用3、大模型应用到审核体系里面去的话，你有什么比较好的想法吗如果把大模型用到审核体系里，我会更倾向于把它设计成一个审核增强模块，而不是直接完全替代原有流程。因为审核场景最重要的是稳定性、准确率和可控性，如果一开始就把所有判断都交给大模型，风险会比较高。比较合理的方式是把审核拆成几层。先用规则和轻量模型做高确定性的初筛，把明显违规和明显正常的内容先分出去；对于边界模糊、语义复杂、上下文依赖强的内容，再交给大模型做进一步判断。大模型在这里可以承担语义理解、风险解释、相似案例归纳、标签推荐和辅助判定这些工作。这样既能利用它的泛化能力，又不会把整...