小红书社区工程AI与全栈一面

蚂蚁，xhs都笔试后差不多一周了🐜是简历投递状态还没进入简历评估-ai应用开发工程师（a了一道）xhs是一直笔试进行中-产品工程师（a了两道半）我刷xhs同样岗位都有人面和拿offer了是我默认挂掉了嘛，有无牛哥牛姐给小弟答疑

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花MySQL 作为持久化关系型数据库，具备强一致性特性；Redis 作为内存型缓存，具备高性能优势。二者作为异构存储，强一致性难以实现（需承担极高的性能损耗），因此绝大多数业务场景均以「最终一致性」为核心目标。以下将对主流一致性保证方案的执行流程、优缺点及适用场景进行详细解析，排序遵循「应用广泛程度+一致性强度」原则。核心背景：一致性问题的根源读写顺序异常：例如先更新缓存再更新数据库，在并发场景下易产生缓存脏数据；网络及系统故障：例如数据库更新成功，但缓存删除操作失败（如网络中...

岗位：【27届实习】Product Engineer-产品工程师（AI与全栈方向）-社区工程1. 自我介绍，然后可以重点说你觉得你比较有代表性的一段项目经历。我说的实习经历里的tab补全提示词那块的链路设计与重构。2. 【实习】我看这里还讲到用 workers KV 去做了一下 JWT 的鉴权这块我们是怎么迁移的？3. 【实习】那 workers KV 它的一致性模型是什么呀？比如说会不会出现一些边界的一些badcase？幸好准备了，是最终一致性。4. 【实习】那有什么解决方式方案吗？我说这里的业务场景能接受最终一致性。但我感觉应该不对5. 【实习】你们做了一个状态机来管理这个评论的生命周期，一个是这个状态机的状态和转移是什么样子的？然后另外我看我们这里有提到用了虚拟线程，就是采用虚拟线程的这个技术方案选型的原因是什么？6. 【实习】看我们这里还就是做了一些游标分页加乐观锁的一个优化。就是一个是在做游标分页和乐观锁之前，我们是怎么做的分页？然后跟之前的比如说一些普通的 offset 分页，游标分页它的优势是什么？7. 【项目】RAG混合检索策略怎么做的？召回的效果是如何评估的？8. 【项目】我们刚刚有提到做了一些 Chunk 切片的一些优化，那 Chunk 切片粒度它太大和太小，刚刚讲过，有可能有一些问题，就是如果它 chunk 切片粒度太大的话，它可能会造成什么样的问题？太小的话还可能造成什么样的问题？9. 【项目】看我们的 agent 这里我们同时用了 react 和 plan-execute-replan 的两种模式，然后是两种应用场景，我们简单介绍一下为什么做这样子的技术选型，以及这两种为什么要这样选，以及为什么要分别用在这两个对应的场景上。10. 【项目】比如说你的 RAG 系统里面是有很多相应的一些知识库文档，然后在实际的生产环境里面，我们可能 RAG 系统里的文档可能会有一些频繁的更新，或者说增删减，那如果出现这种情况，就是出现向量索引与原文不一致的这种情况，我们该怎么保证这种问题导致的一些错误呢？11. 【项目】展开讲我们的记忆系统是什么样子？12. 【项目】那如果我们有一个长期运行的一个agent，用户的对话可能长年累月，比如说需要数月或者一年多的一个累计的一个历史对话，就是对话的轮数很多很多很多，那我们在记忆系统上能做哪些优化？13. 我们的经历里面其实大部分是 AI 相关的加后端的一些经历，那你觉得你对于你自己没有前端经验这一个 gap 是怎么看待的？14. 刚也提到 vibe coding，就是我们平常就是日常使用的一些 coding 工具是哪些？15. 共享屏幕，vibe coding 一个极简版的小红书网页版，用户可以做图文笔记的发布，然后就是不管你的信息展示页面是什么样子，就瀑布流或者怎样，可以在首页的那个信息流里面展示出你发布出来的内容。16. 【八股】哈希碰撞会在什么情况下发生呢？17. 【八股】哈希碰撞出现之后，我们有什么样的处理方式呢？18. 【八股】讲一下 LRU CACHE 它是一种什么样的缓存策略？19. 【八股】如果 Redis 它经排查我们发现它的内存碎片率比较高，那可能的原因是什么？以及我们怎么排查和优化？唯一一个没答出来的，，，20. 我们要在工程环境里面落地一套基于大模型的一个企业知识的一个agent。就是按正常的做法，我们可能需要选择一些合适的方案，比如说选择合适的向量数据库去存储embedding，并且支持刚刚讲到一些相似度检索的一些功能。就是我们现在有一些主流的一些向量数据库，那我们在这种场景下一个是该怎么做向量数据库的一个选型？一个是如果需要优化一些检索召回的速度该怎么去优化？21. 【手撕】实现一个滑动窗口算法没写出来，面试官让实现伪代码，硬着头皮写了几行22. 对未来的一些 AI 的方向，你自己最感兴趣的是什么？23. 为现在很多 AI 相关的工具，你觉得对你自己的一些开发习惯上有什么大的一些改动吗？比如说我们之前是怎么样的？现在的一个工作流又是怎么样的？反问：1. 问团队业务主要是AI给各方面进行提效2. 和面试官聊 AI3. 表现有哪里不足面试官说：可能现在的面试流程都会有一道手写算法吧。我可能没有什么固定的算法题，我可能就会根据你的经历去出啊。然后还有就是大体的问题回答上我觉得没有什么大的问题，其他的问题回答上都没有什么问题。然后基础的后端的知识掌握，我觉得你是比较扎实。4. 几轮面试实习岗的话大概是 2 到 3 轮吧。有两轮技术面，然后这个可能也还会有一轮 HR 面。

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花Caffeine是Java生态中性能顶尖的本地缓存库，对标Google Guava Cache并实现全面超越，主打高吞吐量、低延迟、超高缓存命中率，核心优势源于创新的淘汰算法、精细化并发设计和高效内存管控。它完美解决了传统LRU缓存污染、LFU内存开销大、新热点数据难留存的痛点，成为分布式系统、本地缓存场景的首选方案。一、底层存储架构：高效并发+低开销统计Caffeine没有重新造轮子，而是基于Java原生并发容器优化，搭配专用数据结构实现读写分离、无锁争抢，核心存储组件分为...