产品最近爱问Agent产品设计

1、自我介绍2、项目介绍3、离线数据处理咋做的离线数据处理我一般会按“采集、清洗、标准化、切分、标注、校验、入库”这条链路来做。先把多来源数据接进来，比如文档、表格、对话日志、接口结果、历史工单，然后做编码统一、去重、去噪、脏字段修复和无效样本过滤。对于文本类数据，还要做特殊符号清理、HTML 去标签、分段切分、敏感信息脱敏和元信息补全。如果是训练数据，还会进一步做 schema 对齐，比如统一成 instruction / input / output，或者统一成多轮消息格式 messages=[{role, content}]。如果是 RAG 知识数据，就会做 chunk 切分、标题挂载、...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.React Fiber架构解决了什么问题?它的工作原理是怎样的?2.在开发Agent产品时，如何实现一个流畅的"打字机"输出效果?3.如何处理Agent返回的长文本中的Markdown和LaTeX公式渲染?4.你们项目里是如何进行前端性能优化的?有哪些量化指标?5.Webpack 的构建流程是怎样的?你做过哪些打包优化?6.谈谈微前端架构，为什么需要它?常用的方案有哪些?7.在 Agent这种复杂状态的应用中，你会选择哪种状态管理方案?为什么?8.快手内部有很多跨端场景，你对跨端方案(如小程序、KwaiNative)有了解吗?9.前端如何捕获并处理异常?对于白屏异常怎么监控?

AI与八股 "介绍一下AI的技术理解" 回答要点：  Skill概念：技能说明书，渐进式加载，更精确 MCP vs Function Calling：MCP是统一标准，Function Calling需自定义 Transformer：QKV注意力机制，编码器理解语义，解码器生成文本  "对RAG的向量库有了解吗？" 回答要点：  PGVector：项目中使用，500万以下数据，开发友好 Milvus：专业开源向量库，支持分布式 作用：向量存储，权重分配，精准定位知识  "怎么把文档转换成向量库？" 回答要点：  文档预处理：加载、转换...

我之前实习的时候一般都是约在晚上面试，对于一些比较好的公司一般都会同意，晚上还可以薅点餐补吃饭呢，或者中间出去1小时再楼下面试，这样基本上也没问题