京东暑期后端ai开发一面 55min

发一下问题给大家参考，攒攒人品！1.实习拷打2.拷打第一个项目：如果长表格被切分到了两个不同的Chunk，如何保证大模型在回答时不丢失表头信息？为什么不直接把图片转成描述再做文本检索，而是做视觉Embedding？有什么好处？3.拷打第二个项目：你是如何设定记忆总结的触发条件的？是根据对话轮数总结，还是根据Token消耗量来总结？如果测评量表返回的数据量非常大，超过了模型窗口，在不丢失核心指标的前提下，如何对工具结果进行预压缩？4.为什么在做RAG时，切片不能切得太长，也不能切得太短？5.什么是混合检索？为什么一些场景下，只用向量检索效果不好？6.如何在Prompt中设计拒答逻辑，让模型在知识库没有相关内容时，不强行生成答案？7.什么是CoT？它在提升Agent逻辑推理能力方面的原理是什么？8.在Function Call的过程中，大模型返回给后端的是真实运行的结果，还是调用的意图？9.拷打Transformer10.了解MySQL吗？在MySQL中，如果要存储用户的对话记录，你会选择哪种字段类型？为什么？11.Redis有哪些常见的数据结构？12.为什么在大模型应用中，会把一些重复的问题和答案存入Redis缓存？13.介绍一下如何利用Redis存储大模型的响应结果？14.如果两个用户的提问意思一样但表达不同，如何判断该不该命中Redis里的缓存？15.在分布式Agent环境下，用户的Session应该存放在哪里？16.手撕：无重复字符最长子串

刷到这个话题，真的像看到了两个月前的自己。作为双非计算机本科，今年冲杭州大厂暑期实习，海投了30多家大厂，从阿里、字节、拼多多，到网易、美团、快手，笔试做了十几场，一面只进了3次，全挂了。那3个月，我天天在出租屋里死磕大厂，牛客刷面经、背八股、刷算法，投出去的简历90%石沉大海，每天睁眼就是刷招聘软件，看有没有面试邀请，晚上焦虑到凌晨三点睡不着，满脑子都是“找不到大厂实习，秋招是不是就完了”。身边的同学，要么拿到了大厂实习offer，要么已经接了本地中小厂的offer，只有我还在死磕，高不成低不就。期间有两家杭州的中小厂给我发了实习offer，一家是做电商SaaS的，一家是做AI Agent应...

讨论了很多关于大模型和Agent相关的知识1. 拷打项目2. 项目端到端的流程介绍一下3. 数据重复消费的问题（怎么保证幂等性的）4. prompt是怎么设计的？5. 一个好的System Prompt应该是什么样的？6. 大模型幻觉是什么导致的？7. 除了Prompt还有什么更好的解决方案？8. Agent架构上还有什么优化？9. 怎么优化上下文过长？10. 压缩技术了解吗？11. RAG的混合检索12. Agent的核心组件有哪些？13. ReAct原理、执行流程14. RAG和微调的区别、优缺点

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...