11.1 TCL一面

1. 自我介绍
2. 实习
   - 内容主要是构建知识库吗
   - 代码编译有问题的话,是怎么发现、排查问题的
3. 线程池的核心参数和工作流程
4. 了解哪些锁
   - lock锁的公平性和非公平性体现在哪方面
5. linkedlist查第k个元素,你会怎么查
   - 怎么更高效点
6. hashmap中不重复的键值对有15个,现在要初始化容量,多少个合适
   - 避免扩容的话,设置多少合适?(提示,避免扩容,可以考虑负载因子)
7. 怎么发现死锁,怎么解决(提示,看线程状态,锁的持有和等待状况)
8. 聚簇索引与非聚簇索引的区别
9. 对TCL了解多少?(开始主动给我介绍)
   - 我们做IT的可以在实业企业可以做哪些业务
   - 主动介绍培养体系
10. 反问:业务、数字化转型部门是做什么的、团队划分(后续面试可以提,云、基础平台、AI等)、后续流程

#秋招##发面经攒人品##我的求职进度条##秋招笔面试记录##秋招开始捡漏了吗#
全部评论
没手撕吗佬
点赞 回复 分享
发布于 2025-11-25 12:07 重庆
有后续吗
点赞 回复 分享
发布于 2025-11-16 11:12 陕西
佬,大厂里面的agent开发对算法,计网操作系统这种要求怎么样,找个大厂的agent开发实习大概要学到什么程度
点赞 回复 分享
发布于 2025-11-08 00:37 北京

相关推荐

头像
03-23 20:11
已编辑
百度_高级研发工程师
这篇继续盘点一下后端转 AI 方向面试时,最容易被面试官“扒皮”的几个工程落地场景。全是实打实的干货,希望能帮兄弟们避坑。一、 RAG(检索增强生成)的全链路拆解面试官极其看重你怎么把企业文档变成知识库的。这块如果你只是个纯调包侠(只会调 LangChain 的 API),被稍微一深挖绝对露馅。我跟他完整勾勒了整条数据流水线:从文档解析,到文本切片(Chunking)。这里有个加分项:一定要提**“按长度切分并保留 Overlap(重叠区)”**,这样能保证上下文语义不断裂。至于向量库选型,别干巴巴地只说一个。我给出的方案是:数据量极大、分布式要求高的场景直接上 Milvus;而轻量级、或者需要和传统关系型数据强绑定的场景,用 pgvector。顺带提一嘴查询时用的是“混合检索(Keyword + Vector)”,召回的精准度会靠谱很多。二、 大模型幻觉与 Prompt 约束兜底面试官必问:大模型胡说八道、乱承诺怎么办?对付这个,咱们后端有常规的三板斧:控参数: 调低模型生成时的 Temperature 参数,直接把发散性和创造性压下来。强指令: 在 Prompt 里加入极其严格的系统级指令兜底(比如:“如果你不知道,请直接回答不知道,严禁编造信息”)。引入 Few-Shot(少样本提示),给几个标准的问答 Case,把它的输出格式和边界死死限制住。三、 核心痛点:用 RocketMQ 做异步解耦与削峰AI 接口耗时极长,这是通病。面试时必须明确态度:大模型打分或推理,绝对不能同步阻塞主流程。当时的解法是:用户发消息后,聊天服务只管快速落库,然后立刻往 RocketMQ 里丢一条异步消息返回给前端。后端的打分微服务作为消费者,在后台慢慢跑,调完大模型再去更新数据库。进阶防坑: 面试官听到 MQ 肯定会追问重复消费。记得补一句:“我在消费端的 Java 代码里做了防重,基于业务主键(SessionID + MsgID)在 Redis 里做了 Key 校验,或者在 MySQL 用唯一索引兜底。坚决不能让大模型对同一条记录重复打分,浪费 Token 算力。”四、 全双工流式交互(WebSocket + SSE)解决 AI 响应慢导致用户吃灰的问题,还得靠前端流式输出。我重点聊了用 SSE(Server-Sent Events)和 WebSocket 技术,把大模型的响应“逐字”推给前端,而不是傻等到全部生成完再返回,这样能把首字延迟(TTFB)压到极致。进阶防坑: 聊流式交互必问断线处理。我们在网关层(如 Netty 构建的 WebSocket 集群)加了心跳保活机制(Ping-Pong)。一旦检测到死链接,立刻释放后端线程池资源;同时客户端配合自动重连和断点续传逻辑,保证流式数据不丢字。
查看15道真题和解析
点赞 评论 收藏
分享
评论
1
7
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务