蚂蚁2面凉经

【职位描述】你是否想过，一个能理解“这个商品适合我吗？”、“为什么还没发货？”、“能不能退差价？”的AI客服，背后是如何思考和行动的？在淘天集团店小蜜团队，我们正打造下一代基于大模型Agent的智能问答机器人系统，覆盖亿级用户的售前导购、商品推荐、活动咨询、售后排障、退款物流等全链路服务场景。加入我们，你将：🔹 构建电商领域最强AI客服Agent：和算法同学协作，基于大语言模型（LLM），设计具备任务理解、工具调用、多轮推理与决策能力的智能体（Agent），让AI真正“会思考、能办事”🔹 打造高可用AI工程系统：将RAG、动态Prompt编排、上下文管理、长期记忆等前沿AI技术，与高并发后端服务深度融合，支撑日均千万级对话请求🔹 深耕智能客服核心场景：从“用户问一句，AI答得准”，到“用户没开口，AI已预判”，你将参与构建覆盖售前推荐、活动解读、商品对比、售后排障、物流追踪等复杂业务逻辑的智能服务引擎🔹 参与AI与工程双轮驱动的技术基建：既探索与落地Agent框架的深度优化，体验AI Coding的编程魅力，也设计高性能、低延迟、高可用的分布式服务架构，涵盖缓存策略、JVM调优、多线程调度、微服务治理、消息队列等核心工程能力在这里，你不是在做“玩具Demo”，而是在真实亿级流量场景中，定义AI客服的未来形态。来吧，和我们一起，用AI重新定义“服务”！【职位要求】本科及以上学历，计算机科学、软件工程、人工智能相关专业优先熟练使用Python/Java等编程语言，熟悉Spring、Mybatis、Springboot、JVM、多线程、分布式服务、缓存、消息队列等技术栈熟悉 HTML、CSS、JavaScript/Typescript，掌握 React/Vue 等前端框架，具备一定的前端界面开发基础。有一定的AI Agent、RAG、LLM应用开发项目经验，熟悉Agent基础框架实现原理，了解高可用、高扩展性的大模型/Agent工程架构熟悉AI Coding，最好有一定的实践经验具备问题/价值驱动的探索精神和优秀的问题解决能力敢于创新，对AI技术充满热情，能够持续关注和学习AIGC前沿技术研究，并主动探索AI新技术/新范式在商业场景中的应用边界📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢内推请发简历到邮箱：**********有问题也可加qq，知无不答。

1. 什么是生成式大模型？生成式大模型，就是在海量数据上训练出来，能够根据输入内容继续生成文本、代码、摘要、问答结果的一类模型。它不是去数据库里“查原句”，而是根据上下文，一个 token 一个 token 往后预测，所以它能生成新的内容。现在主流大模型大多是 Transformer 架构，尤其是 Decoder-only 这一类。因为这种结构天然适合做连续生成，训练目标和推理方式也比较统一。常见的生成式大模型有 GPT、LLaMA、Qwen、ChatGLM、DeepSeek 这些。2. 大模型为什么生成的文本能比较丰富，不会特别死板？核心原因有两个，一个是训练数据足够大，另一个是推理时不会每...

左移：         操作符为<<，向左移动，右边的低位补0，高位的就舍弃掉了，将二进制看作整数，左移1位就相当于乘以2。无符号右移：操作符为>>>，向右移动，右边的舍弃掉，左边补0。有符号右移：操作符为>>，向右移动，右边的舍弃掉，左边补什么取决于原来最高位是什么，原来是1就补1，原来是0就补0，将二进制看作整数，右移1位相当于除以2。按位与&：  两位都为1才为1。按位或|：    只要有一位为1，就为1。按位取反~:  1变为0,0变为1。按位异或^：相异为真，相同为假。

1、自我介绍2、如果让你设计一个可回放、可调试、可审计的 Agent Runtime，你会怎么做一个真正能在线上稳定运行的 Agent Runtime，不应该只是“模型 + 工具调用”这么简单，而应该是一个有状态机、有事件日志、有回放能力的执行系统。我会把它拆成几个核心模块：任务上下文、Planner、Executor、Tool Adapter、State Store、Event Log、Policy Engine 和 Replay Engine。任务执行时，不是把所有中间过程都放在 Prompt 里，而是把关键状态结构化存储。比如当前步骤、已完成动作、失败次数、工具返回摘要、等待确认事项、上...