字节处女面一面G

一句话结论Java+langchain4j/spring AI依旧是传统Java后端，只是多了最基础的LLM调用能力Java + Spring AI / LangChain4j ≠ AI 应用开发本身它更多是 “传统后端在接入 AI 能力”，而不是 “以 AI 为核心的应用工程”。差异不在语言，而在“系统的控制权和复杂度在哪一侧”。一、从「系统主导权」看本质区别（这是最重要的一点）1️⃣ Java + Spring AI / LangChain4j 的定位系统主导权在：业务系统 / 后端架构LLM 在这里是：一个能力插件一个“增强模块”一个被调用的外部服务典型结构是： Controller ↓...

又被字节的hr找来面试了，不是，我最近也没有投递了。还是面试记录一下，分享给广大有帮助的朋友。1. 自我介绍2. 在腾讯做的几个事情的介绍：你用了哪一些技术可以拿出来讲。(我说的做的东西和遇到的困难，展开问了一下实习干的事情)3. redis做幂等是如何做的，key太长了会怎么办？有没有考虑更简单的方案？实习中redis的key和value是如何去存的？4. 为啥想着用redis做幂等，redis为啥快了？介绍几个redis的数据结构，以及数据结构底层是如何做的。跳跃表的查找时间复杂度，查找流程，插入流程。5. Workpool是如何去做的（是自己实现的，还是第三方库）？有没有任何超时处理的措施。6. 有没有遇到协程泄露的问题，如何做？7. 项目经历询问：多智能体的协作流程是什么？如何确保信息返回是可以被正确接收的？项目流程的运行过程。8. 算法：全排列，延深如何有重复应该如何去做了？9. 反问：部门的业务是什么.结果：过了

背景概述：为什么要写这个呢？虽然现在大模型很火，但对于我们工程同学来说，把大模型当一个黑盒用就好了。一开始我也是这么认为的。直到我在小红书做到了一个需求在小红书的时候有一个需求是优化组内一个 agent 项目的响应和结果优化，这个 agent 是一个复杂的商业助手，并不是说技术很难，但要分析的广告业务很复杂，有上千个指标，好几种场景，prompt非常长，如果输出的效果不好，是没有人愿意用的。用了很多优化手段，比如并发查数据等等。有一天这个项目的正职同学和我说，他和算法那边的同学交流，说可以把我们动态拼到 System prompt 的指标数据拼到用户的 query 里面，这样就可以利用模型的 ...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞