深言科技nlp算法日常实习二面分享

🕐面试时间：60min❓面试问题：前半小时正常问问题，后面ai coding自我介绍实习拷打，发现面试官之前也在那个公司工作过3年，参与过公司平台的创建，然后问我在实习过程中有触及到公司其他的产品或业务吗拷打项目，开发过程中有遇到什么难题，以后想怎么改善工作流和agent的区别，什么时候用哪个一个分布式系统，进程间通信的方式有哪些，哪个是最高效的（我答共享内存最高效,其他的方式还有信道，消息队列kafka，管道通信），如果是跨主机通信呢（我想不出其他的，只能想到消息队列中间件，还有通过http和rpc通信）突然扯到http 和rpc的区别，为什么公司选择rpc，rpc为什么快（没答上来，让面...

本地私有知识库 RAG 助手这个项目会覆盖面试高频考点，完美匹配 “检索增强生成” 技术栈，做完能直接解决学习 / 工作痛点。所使用的技术栈也并不复杂：Python + LangChain/LlamaIndex + Chroma/FAISS（向量库） + Streamlit（快速网页）主要的核心功能：上传 PDF/Markdown 文档（比如你的技术笔记、行业报告）→ 智能切分（带 100-200token 重叠）→ 向量入库 → 精准问答 + 引用溯源。可以引导面试官提问RAG等AI相关常见八股文。

最近Agent岗位的面试风向变了。以前聊的是大模型能干什么，现在面试官更关心：当大模型“掉链子”的时候，你的架构怎么接住它？逃不开的架构选择：从“全能大脑”到“流水线”面试官最爱问的一类问题是：“你的Agent架构是如何权衡灵活性和确定性的？”很多人习惯设计一个全能型Agent，让它自己想、自己做。但在工业级场景下，这种“盲盒式”架构往往会被面试官质疑。现在的进阶聊法是谈“SOP（标准作业程序）的Agent化”。你是采用顺序流（Sequential）还是分叉流（Branching）？在架构中，你是否引入了“硬代码”逻辑来约束AI的胡思乱想？路由（Router）是如何设计的？是靠模型语义判断，还...

入职第二个月，mentor随口问：“视频生成接口从4秒优化到2秒以内，谁想试试？”我犹豫了一下，举手了。第一版，只做到3.5秒我花三天翻代码、打日志。发现最慢的是模型推理，占了2.5秒。第一版方案：把单次调用改成批处理。测下来3.5秒，离目标还差1.5秒。mentor回了一句：“方向对了，再想想。你可以画一下调用链，看看哪些环节能并行——别光盯着推理。”第二版，2.1秒茶水间碰到隔壁组同事，聊起这个卡点。他说：“试试把语音合成和视频生成并行跑？”我回去试了，把串行拆成并行。测出来：2.1秒。群里开始有人发👍。mentor说：“先上线，0.1秒后面再扣。”上线那天代码上线第二天，运营在群里@我：“新模型转化率高了8%，牛逼啊。”那一刻是我入职以来最有成就感的瞬间——作为一个刚来两个月的新人，我写的代码影响了真实用户。我明白了三件事第一，携程敢给新人机会。 不是打杂，是真刀真枪干核心。第二，这里的人愿意帮你。 卡壳时隔壁组同事一句话就点醒了我。第三，成长看得见。 从4秒到2.1秒，我学会了性能分析、并行优化、AB实验。后来呢？那0.1秒，第三周优化掉了。最终线上跑到了1.7秒。mentor让我把过程写成文档，发到技术分享群里。有人私信说“学到了”。