蚂蚁hr面

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.拷打实习3.拷打第一个项目：MinerU解析过程中如果遇到跨页表格，如何保证表格语义的完整性？讲一下Ragas评测？如果Answer Relevance得分低，如何判断是检索质量问题还是模型能力问题？4.拷打第二个项目：LangGraph中的State是如何定义和流转的？如果任务节点非常多，如何防止状态对象过大导致内存溢出？你的长期记忆库如何将多轮对话中的信息提炼成结构化的用户画像存到向量库？5.文档切片时，overlap的作用是什么？如何平衡分片大小与上下文完整性？6.了解GraphRAG吗？介绍一下7.当GraphRAG召回大量关联信息后，如何用自反思或CoT在生成阶段过滤掉检索噪声？8.讲一下ReAct的原理，为什么能提升模型对复杂任务的理解能力？9.如果模型在调用工具时产生了参数幻觉或语法错误，通常采取哪些自动修正手段？10.什么是Multi-Agent系统中的中心化编排模式？相比于点对点有什么优势？11.讲一下Agent的Self-Reflection，它是如何识别输出中的逻辑错误的？12.如何设计Agent的长期记忆？13.在执行涉及支付等高敏感操作时，如何实现Human-in-the-loop的干预流程？14.如何设计一个Skill？大概讲一下15.对比一下Skill和MCP的区别16.OpenClaw如何增强Agent对本地文件系统和代码执行环境的感知与操作权限？17.你如何理解Vibe Coding？有什么经验吗？18.如何确保自然语言描述的任务逻辑能够转化为可靠的执行路径？19.什么是上下文缓存？它在处理Agent频繁读取的冗余系统指令时有哪些优势？

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...

之前面试官加过vx，但如果想要我的话不应该推进很快吗，三周了也没个消息，还在评估中😓。现在该不该去问呢，如果他问我是不是有别家在催，我应该怎么回答，另外也有别家在走流程，不过只约了面，还没面试。秋招已经签了大厂保底，但是这个组对我吸引力更大一点，该不该问呢，问的话也没别家流程可以拿来催，跟舔🐶一样。

HR面考的不是技术，是这个人稳不稳、好不好管。每句话背后都有潜台词。问为什么离职→ 你会不会也这样离开我们？问职业规划→ 你打算待多久？问期望薪资→ 这个人好不好谈？被HR刷掉的基本就这几种：薪资说死了没空间、抱怨前公司被打叉、规划说走一步看一步、反问环节一声不吭。过HR面的人有个共同点：不卑不亢，说话留余地。薪资给区间不给死数，离职原因永远是"寻求更好发展"，被压薪别慌，淡定说句我这边还有其他offer在考虑，您这边有空间吗？往往比你想象中管用。HR面是最后一道情商检测。带着筹码去，别空手进。