字节后端Agent开发二面面经分享-好难

攒人品中，祝大家都能拿到满意的Offer！
1. 实习经历拷打
2. 在调优 Prompt（提示词）时，你有哪些实战经验？如何利用 AI 辅助自己优化 Prompt？
3. 谈谈你对 ReAct 模式和 Plan-and-Execute（计划执行）模式的理解及优劣对比。
4. 详细描述一下你项目中的 RAG 流程，从文档切块到最终生成的完整步骤是什么？
5. 什么是多路检索（Multi-way Retrieval）？向量检索和关键词检索分别解决什么问题？
6. 在 RAG 场景中，Re-rank（重排序）的作用是什么？为什么有了向量相似度还需要它？
7. RAG 架构与模型参数微调（Fine-tuning）相比，各自的适用场景和优缺点是什么？
8. 对于多跳（Multi-hop）推理或复杂的逻辑查询（特指需要多次 RAG），现有的 RAG 架构该如何优化？
9. 如何处理 RAG 过程中的权限隔离和时效性问题？比如不同用户只能检索到自己的知识库。
10. 简单介绍下 Transformer 的 QKV 机制，以及为什么引入位置编码和多头注意力？
11. 深度学习网络中的“残差连接”解决了什么问题？其物理含义是什么？
12. 现有的大模型性能为什么这么好？
13. Java 反射的原理是什么？它有哪些实际的应用场景？
14. 反射在带来灵活性（如 AOP）的同时，在性能和安全性方面有哪些副作用？
15. 如何通过反射获取并调用一个类的 private 方法？需要注意哪个关键步骤？
16. 场景题：一个每秒 10w QPS 的高并发系统，要求实时输出“最近 1 小时”内访问频率最高的 10 个 IP，你会如何设计？
17. 在上述场景中，如何保证统计的实时性？如何处理跨时间窗口的数据过期淘汰？
18. 如果该系统是分布式的，数据分散在多个实例，你该如何汇总并得出全局的 Top 10 IP？
19. 手撕 ：给定一个正整数 n 和一组数字，要求用这组数字中的元素组成一个小于 n 的最大数