滴滴-一面-4.16

部门调整，hc调整，整个大组实习生全被干掉了，暑期再次启动了组内实习生能力完全没问题，最低学历9本，基本9本硕，没想到来了这一遭。但也庆幸通知的早，而且还有一个月缓冲期，领工资认真准备暑期了

画饼这个现在是哪里都有，但有时候，hr也是很无奈的，前段时间我领导和hr在聊事情，我在边上的，hr有个offer邮件都准备发了，公司内部流程offer流程都要走了，领导对那个人还是有那么点犹豫，把hr也给整的听无奈的

项目相关问题1. 介绍美食点评服务平台的业务场景、核心链路及基本实现。2. 美食点评服务平台的用户角色有哪些？不同角色可在平台上进行哪些操作？3. 美食点评服务平台除了优惠券秒杀模块，还有哪些功能？4. 美食点评服务平台的优惠券是由商家自主发放还是系统管理员添加？5. 做美食点评服务平台时面临的较大挑战有哪些？如何解决？6. 热点 Key 场景下，独立线程池异步重建是单机维度还是其他维度？请展开介绍。7. 异步线程重建的过程是怎样的？8. 美食点评服务平台是分布式服务还是单机服务？9. 分布式场景下，多台机器请求过期 Key 时，分布式锁何时释放？业务执行完的具体含义是什么？10. 访问 Redis Key 时，是请求进来就获取分布式锁，还是发现逻辑过期才获取？11. 介绍企业级知识库问答系统（RAG 项目）的整体流程。12. 企业级知识库问答系统中，哪些组件是手动代码串联实现，哪些是直接使用现有能力？13. 了解 Langchain 等现成工具的能力吗？它们能做到什么程度？14. 了解 Redis 的底层数据结构吗？跳表的实现原理是什么？编程能力相关问题1. 借助 AI coding 实现支持“增”和“查”功能的有序链表（增：插入数值；查：判断某值是否在链表中）。2. 插入 1、5、3、3、3 这 5 个数字后，有序链表会呈现什么样子？3. 手写 count 函数，返回目标值在链表中出现的次数，说明实现思路。4. 单纯从代码编写角度，如何优化 count 函数的性能（不引入其他数据结构）？其他问题1. 日常开发中常用的 AI coding 模型或工具是什么？2. 有什么想了解的地方吗？一点八股都没问，项目问的也奇怪，ai coding 后要我分析一下生成的代码质量，不知道怎么分析，求助一下贴友ai coding 是怎么个prompt 会让面试官满意，因为感觉我写不好提示词，然后要怎么评审这个代码的准确性，请教万能的贴友

AI有四大块，MCP、RAG、Agent以及skill。Agent 本质是一个 “能自主完成任务的应用程序”，没有扎实的开发功底，再好的 AI 能力也只是空中楼阁。后端开发框架核心技能：Java（SpringBoot/SpringCloud）或 Python（FastAPI/Flask），掌握接口设计、服务部署、并发处理。应用场景：Agent 的任务调度、状态管理、外部工具调用，都需要后端框架搭建 “骨架”。比如用 SpringBoot 写一个企业级 Agent 的服务端，处理多用户的任务请求。RAG（检索增强生成）—— Agent 的 “知识库”RAG 是解决大模型 “知识过时、胡说八道” 的关键，让 Agent 能调用外部知识库回答问题。必学技能向量数据库：Milvus/Chroma，掌握文档向量化、相似性检索。比如把公司的产品手册转换成向量存储，Agent 遇到用户提问时，先检索手册内容，再生成回答。Prompt 工程：学会写 “检索 + 生成” 的提示词，比如“根据以下检索到的文档内容，回答用户问题：{检索结果}，用户问题：{question}”。学习路径：先用 LangChain 框架快速搭建一个简单的 RAG 系统，比如 “本地文档问答 Agent”，再深入研究向量索引的优化（比如 HNSW 算法）。MCP 的核心是标准化大模型与外部工具的通信协议，让 Agent 能 “听懂” 工具的输入输出，也让工具能 “理解” 大模型的指令。必学技能工具封装：把外部工具（比如计算器、天气 API、数据库查询）封装成符合 MCP 规范的接口，定义清晰的input_schema和output_schema。协议适配：了解 OpenAI 的 Function Call、Anthropic 的 Tool Use 等主流协议，掌握大模型工具调用的流程—— 大模型生成工具调用指令→Agent 解析指令→调用工具→返回结果给大模型。应用场景：Agent 需要帮用户 “查询今天的天气并安排出行计划”，就会通过 MCP 协议调用天气 API，获取数据后再结合用户的偏好生成计划。Skill 是 Agent 完成特定任务的能力模块，比如 “文本摘要 Skill”“代码生成 Skill”“Excel 处理 Skill”，本质是封装好的函数或工具集。必学技能技能设计：学会拆分通用技能（比如文本处理、数据计算）和业务技能（比如电商订单查询、运维日志分析）。技能注册与管理：用技能库管理所有可用技能，让 Agent 能根据任务自动匹配技能。比如遇到 “生成 Python 代码” 的任务，自动调用 “代码生成 Skill”。学习路径：先基于 Python 写几个简单的 Skill（比如 “Markdown 转 PDF”），再集成到 LangChain 的 Agent 中，实现 “任务→技能匹配→执行” 的流程。