Agent后端开发日常实习二面-小红书

继续来分享下最近的面经~1.讲一下常用的大语言模型2.nl2sql项目 pipeline怎么布的3.向量检索具体的策略有做吗4.一个术语可能匹配多个字段怎么做，存在实体映射吗5.skill和mcp区别6.开发mcp update方法时如何确保安全性7.秒杀项目超卖如何解决8. prompt平时怎么写，有哪些细节9. prompt里的一下workflow和约束不遵守怎么解决10.我强制要求llm下游输出json格式该怎么去写这个prompt11.redis ttl和懒刷新的区别12.特别多的if嵌套起来这种有什么解决方案算法: 括号匹配

一、引言这两天系统学习了一遍 RAG，原本以为它就是文档切片 + 向量检索 + 大模型回答这么一条标准流程，但真正从头到尾梳理下来之后，我发现事情没那么简单。RAG 最有意思的地方，不是它用了什么新概念，而是它重新回答了一个很关键的问题：当大模型面对企业知识、私有文档和最新资料时，怎么才能不靠猜，而是基于真实内容回答问题？很多人第一次接触 RAG，都会先记住几个关键词：Embedding、向量数据库、检索、Rerank、Chunk但如果这些概念没有被串成一条完整链路，就很容易变成每个词都认识，但整体还是有点模糊。所以这篇文章，我想不只是罗列概念，而是尝试把 RAG 从头到尾重新讲清楚：文档是怎...

百度智能体开发面经 百度让转go 1. 自我介绍 2. 算法... http://xhslink.com/o/4EsXP4O44Xf存好这段口令，去【小红书】查看原文~

做技术面试官这些年，经历过线下面试的严谨，也适应了线上面试的便捷。自从公司全面转为线上面试，虽然视频沟通少了些面对面的直观感，但对算法题作答来说，不管是候选人提交代码，还是我们校验结果，都比以前方便了不少。但是去年开始，我被一个新问题困扰——越来越多的候选人在面试中使用AI辅助。这事儿最让人纠结的地方在于，大多时候都只是“嫌疑”，没有实锤。你说直接判定为作弊吧，怕冤枉了品行端正的候选人；可要是在面试过程中直接点破，又容易引发投诉和舆情。更麻烦的是，由于这几位作弊的候选人，我们整个面试团队都会变得格外警惕。之后面试每一个人，都会下意识地寻找作弊的蛛丝马迹，眼神、语速、回答的流畅度，甚至是镜头外的...