初创公司Agent面经

40min左右，发点面经攒攒人品1.深挖项目，具体实现细节，整个流程的设计2.对于实习项目中的实践有哪些可以缺陷和优化的点3.对大模型进行提问时有没有它的输出不符合指令的现象，是怎么解决的，举具体的例子4.有没有接触什么前沿的agent，说了openclaw，但是底层逻辑还没看5.claude code的memory三层逻辑设计，为什么这么设计6.有没有用过ai编程工具7.cursor如果上下文过长有没有性能下降的现象

1. 自我介绍2. RocketMQ 里顺序消息、普通消息、事务消息分别适合什么场景，为什么不能混着用普通消息适合最终一致、无严格顺序约束的场景，比如日志分发、画像更新、通知投递。顺序消息适合同一业务键必须按时间线推进状态的链路，比如同一工单、同一订单、同一会话的状态演进，但顺序消息的吞吐和容错设计会受到队列粒度限制。事务消息适合本地事务与异步投递之间要建立“发送承诺”的场景，比如主库先落事实，再由 MQ 推动旁路索引或下游补偿。三者不能混着用，是因为它们解决的问题不同，消费模型、失败恢复方式和成本模型也完全不同。3. 如果 RocketMQ 出现消息积压，你会怎样定位，不要只说“扩容消费者”...

面试官迟到 进来感觉超级疲惫，全程没话，基本我在讲我项目讲的很细，面试官认可都是亲自做的。然后Agent项目要求看一眼英文论文，应该也是验证是不是虚空项目。问的都是开放性问题应该是不熟训推/Agent，感觉应该是纯血后端最后做了道手撕题非常简单就20行，3分钟就做完了写完面试官看了一眼：“你平时写C++啊”反问了一下，结束。不要挂我求求了QAQps：24小时了还没有通知，好慌----------------------------------------------更新：周四晚一面，第二周周一上午约二面，周二二面。

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...