offer选择：工行/蚂蚁

继续来分享下之前的面经~欢迎友好讨论，信息共享1️⃣如何设计一个高效的 agent 上下文维护方案？2️⃣一个完整的 agent 智能体架构一般包括哪些部分？3️⃣agent 和 LLM （大型语言模型）有什么区别？4️⃣向量检索和关键词检索的区别是什么？5️⃣你了解的 tool 调用机制是怎样的？6️⃣MySQL 中的事务隔离级别有哪些？7️⃣什么是索引覆盖？8️⃣什么是协程，它和线程有什么区别？9️⃣HTTPS 的工作原理是什么？1️⃣0️⃣如何解决 Leetcode 第2题两数相加的问题？

攒攒人品！ 1. 项目拷打2. 多模态大模型有什么了解3. Agent skills4. 怎么加强大模型记忆机制5. 多Agent执行策略的智能选择和切换机制设计6. SSE的局限性7. lora效果不好怎么办8. RAG动态知识更新9. 大模型项目遇到了什么问题10. lora的缺点，改进方向11. 复杂任务执行准确率提升的评估方法12. 多轮对话的实现方案13. RAG评估方案14. 了解过市面上有哪些智能体agent吗15. 介绍一些AI大模型16. MCP和Function Calling

本来没有敢投递字节（太硬核），上次投了个财经部门的日常实习，因为不能快速到岗被拒了。HR从人才库里把我捞出来，机缘巧合下面了这个部门。这次下午起来太放松了，忘记录音了，只能给出一个回忆版。自我介绍：这次着重介绍怎么看jdk源码的，项目和经历反而没怎么细说Q1 lua脚本怎么实现原子性Q2 CAS原理，和lua脚本哪个好Q3 刚才提到了负载均衡，解释一下Q4 熟悉那些关系型和非关系型的数据库，这里着重说了一下esQ5 RAG:向量数据库用的什么，怎么存的。怎么检索的，检索之后的排序算法RRFQ6 SSE是怎么做的，推理的时候也是SSE吗Q7 MCP工具调用是怎么做的，工具参数解析是怎么做的Q8 记忆管理是怎么做的Q9 你提到对话之后异步抽取记忆，那么有没有可能存在记忆丢失的可能我答的是由于异步抽取，可能还没有完成记忆落库，主线程的检索请求就来了，这个时候确实检索不到，但是一般最新的消息在滑动窗口里面，所以理论上没关系。我问面试官应该怎么做，他说用LangGraph ,图+状态的流转。还说现在记忆管理是一个开放的问题，有时候做项目会有记忆的污染（一个项目里出现另一个项目的记忆），用户偏好作为记忆是没问题的，不同项目的记忆隔离是个问题。Q10职业规划（做算法还是研发）,实习时间Q11反问，实习生过去做AIops,尝试用agent来自动监控、管理后台的那些容器之类的没有手撕，撕也不怕，上周携程美团拼都督都撕了好几遍了。最后还聊了几句，他说AI时代，知识储备虽然重要，但是看中候选人的潜力。如果候选人能在某个问题展示出自己的思考，或者解决问题的能力也是可以的。AI已经可以让一个人快速获取知识，所以思考和能力比记忆更重要。之前两个京东的面试官，一个美团虚拟数字人。这次面试是体验最好的一次了，我答的混乱的地方他都会总结一下，有些不到位的，他还补充了一下细节，像是探讨交流一样。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.实习拷打3.OCR 结果有噪声或错误时，你是怎么做纠错或提升解析质量的？4.多模态检索中，图像和文本向量不在同一空间时，如何实现对齐？5.Agent 中长短期记忆如何设计？各自存什么，怎么触发读取？6.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？7.用户情绪异常（投诉、愤怒）时，Agent 如何在不中断主流程的情况下进行干预？8.长文档为什么一定要切 chunk 再做向量化？不切会有什么问题？9.chunk切分时为什么要有重叠区域？比例一般怎么确定？10.稠密向量和稀疏向量的区别是什么？各自适合什么场景？11.是否做过关键词召回和向量召回的融合？具体怎么做的？12.向量检索中 Top-K 设置过大或过小分别会带来什么问题？13.余弦相似度和欧氏距离在高维空间中的差异是什么？实际怎么选？14.为什么需要 rerank 模型？它解决了向量召回的哪些问题？15.rerank之后的截断策略是怎么设计的？为什么选这个 K 值？16.文档发生局部更新时，如何做增量索引而不是全量重建？17.RAG 中如果没有召回到相关知识，如何约束模型避免胡编？18.HyDE 在 query 模糊时是如何提升召回效果的？19.超长上下文模型出现后，RAG 架构的必要性是否会下降？20.大模型高并发调用时，如何做限流、降级和成本控制？