大模型应用算法面经分享-Shopee

1. 简单介绍一下你做过的最有挑战性的项目我做过的最有挑战性的项目是[项目名称]，这是一个[项目类型，如：跨平台的桌面客户端应用]。项目背景：需要实现[核心功能]，支持[用户规模/性能要求]，面临的主要挑战是[具体挑战，如：高并发、低延迟、内存优化等]。我的职责：负责[具体模块]的设计和开发，包括[技术点1]、[技术点2]、[技术点3]。技术难点：性能优化：通过[具体方案]将响应时间从[X]ms降低到[Y]ms内存管理：使用智能指针和对象池，解决了内存泄漏和碎片化问题多线程同步：设计了[同步机制]，避免死锁和竞态条件最终效果：项目成功上线，[具体指标，如：支持X万并发用户，崩溃率低于0.1%]...

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. 你们系统的 QPS 是多少？如果流量突然翻了 10 倍，你的架构哪些地方会先垮掉？回答：这是一个考查系统瓶颈分析能力的开放题。 分析点：首先是数据库（连接数爆满、IOPS 达到上限）；其次是缓存热点（单 Key 突发流量导致 Redis 分片压力过大）；然后是带宽与线程池（RPC 调用耗时增加导致 Web 容器线程枯竭）。对策：需要提到限流、熔断、数据库读写分离/分库分表、消息队列削峰填谷以及热点缓存探测机制。2. 既然提到分库分表，分表键（Sharding Key）如何选择？如何处理跨库查询？回答： 选择：通常选查询最频繁的维度（如 user_id），保证同一用户数据落入同库。跨库查询...

下周开始我要白天上班偷产出晚上下班练算法有空就去学 ai五月我要进大厂