字节校招技术四面

最开始面试的时候，我真的怕极了被问到不会的问题。第一次面杭州一家中小厂的后端开发岗，面试官问我：“讲一下 Redlock 算法的原理，以及它的优缺点和适用场景？”我当时脑子瞬间一片空白，分布式锁我只懂最基础的 Redis SETNX 实现，Redlock 只在面经里扫过一眼，根本记不住原理。越慌越想不起来，最后支支吾吾说了句 “这个我不太了解”，然后就低着头不说话了，整个场面尴尬到能抠出三室一厅。面试官也没再追问，随便问了两个简单的问题就结束了面试，结果可想而知，一面直接挂了。那次面试结束后，我特别挫败，觉得自己八股文白背了，连个问题都接不住。后来跟拿到大厂 offer 的学长聊，他跟我说的一句话，我到现在都记得：“面试官问你不会的问题，不是为了难住你，是想看你面对未知问题的反应，看你的学习能力和解决问题的思路。比起不懂装懂瞎编，坦诚永远是第一位的。”从那之后，我就调整了自己的应对方式，哪怕遇到完全不会的问题，也不会再慌神冷场，而是用一套固定的逻辑去应对。印象最深的，是面字节商业化后端岗的二面，那次也是我靠应对方式，直接逆风翻盘的一次。当时面试官问了我一个完全没接触过的问题：“讲一下大模型推理过程中的 KV Cache 优化原理，以及你做过的相关性能优化实践？”我当时心里咯噔一下，我做的项目都是 RAG 应用开发，根本没接触过底层的推理优化，别说实践了，原理都只听过个大概。但这次我没慌，先笑着跟面试官坦诚说：“实在不好意思，KV Cache 的底层优化我目前还没有深入接触过，相关的实践经验也比较少，这块是我的知识盲区。”说完这句话，我没有停下来，而是紧接着补充了自己的思考和相关经验：“不过我对大模型的推理流程有基础的了解，也在 RAG 项目里做过接口响应耗时的优化，通过分块检索和 Prompt 精简，把接口平均响应耗时从 800ms 优化到了 200ms 以内。如果后续工作中需要用到 KV Cache 优化，我有信心能快速吃透这块的技术，把之前做性能优化的思路复用过来，快速落地实践。”我本来以为，这个问题答成这样，肯定要扣分了，结果面试官听完点了点头，不仅没揪着这个问题不放，反而顺着我提到的 RAG 性能优化，问了我很多项目细节，我都答得很顺畅。更意外的是，二面结束后我顺利拿到了三面邀请，HR 后来跟我说，二面面试官对我的评价里，特意提了一句 “面对未知问题很坦诚，不瞎编，有清晰的解决问题的思路，学习能力不错”。那次之后我才明白，面试被问到不会的问题，真的不可怕。面试官根本不指望你一个应届生，能懂所有的技术，能答上所有的问题。他们真正想看的，是你面对不会的问题，是不懂装懂瞎编乱造，还是坦诚面对，并且有自己的思考和学习能力。

应届毕业生  退役军人 也是电气工程及其自动化  希望能有公司看得上

实习岗上周三上午面的 谈了薪资base和入职时间 这几天一直没消息 许愿oc

1.可以挑一个最近觉得挑战比较大的项目展开介绍一下吗？2.Agent 内部具体的实现可以再详细介绍一下吗？3.MCP 是把自然语言转成预置查询类的工具吗？4.操作内部平台时，工具会去操作吗？5.系统测试完成后，准确率怎么评估？6.用 20% 数据作为测试集，是模型跑 case 后人工评判准确率吗？7.如何对答案进行轨迹级评分？8.目前系统的准确率是多少？9.项目后续继续优化的话，有哪些优化思路？10.现在系统最核心的问题是并发问题吗？11.准确率还有提升空间吗？12.模型输出不符合预期时，prompt 会有问题吗？会调 prompt 吗？13.有考虑过做 SFT 和强化学习吗？14.目前 RAG 具体的实现是怎么样的？15.如果用 Redis 的缓存，会在哪个阶段去做？16.Redis 为什么在高并发情况下表现得比较好？17.什么场景下会用多线程？18.RAG 作为知识库检索，和把知识库放到 ES 上让模型调用 MCP 接口有什么区别？19.若自己实现包含 ES 检索和向量检索的搜索接口，和 RAG 有什么区别？20.Redis 和 MySQL 在使用场景上有哪些区别？21.B + 树是怎么样的结构？22.B + 树和红黑树的区别是什么？MySQL 用红黑树效率会更好吗？23.1000 万条数据用 B + 树存储，树的高度大概是多少？24.场景题，给定一个实时输入流（随时可能停，无法全量存储），如何等概率选取 5 条记录？手撕：两个有序数组，O（logN）求合并后第k大的数。反问：业务方向。答：主要是头条的一些视频，包括视频的一些生产、消费。也涉及到一些视频的一些 AI 技术和理解。面试官水平很高，节奏掌握得很好。目前已经约三面了。