1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？

1.自我介绍+项目2.分布式事务设计B 站视频投稿时，需同时保存视频文件、生成播放凭证并创建投稿记录，如何用本地消息表实现最终一致性，确保文件存储失败时自动回滚投稿状态?3.高并发限流熔断B站拜年祭直播弹幕量突增 100 倍，如何设计网关+服务端的多级限流策略，在弹幕服务过载时自动降级为“延迟展示”模式?4.缓存一致性保障用户修改 B站昵称后，需同步更新用户中心、弹幕系统和个人空间的显示信息，如何避免并发更新时的缓存脏读，且不影响核心播放接口性能?5.分库分表设计B 站亿级用户投稿记录表需按用户ID、投稿时间和分区维度查询，如何用 ShardingSphere 分库分表，解决跨分区统计年度热门稿件的性能问题?6.分布式锁实现多用户同时对同- UP 主发起 “一键三连”(点赞+投币+收藏)，如何基于 Redis 实现分布式锁防止重复操作，且支持操作的原子性?7.消息可靠性保障B站视频审核通过后，需通知推荐系统、粉丝推送和数据统计服务，如何基于 Kafka 设计消息重试机制，确保关键通知不丢失?8.高并发库存管理B 站会员购限量周边抢购场景中，用户下单需实时扣减库存，如何设计 “预扣+确认”机制，应对高并发下的库存超卖问题?9.接口性能优化B 站首页 “推荐视频”接口需聚合用户画像、历史观看和热门榜单数据，如何通过异步加载+多级缓存将RT从600ms降至100ms 内?10.分布式会话管理用户在 B站 App、网页端和 TV 端同时登录，如何基于Token+Redis 实现跨端会话共享，确保会员权益实时同步?11.安全防护设计B 站登录接口如何抵御账号爆破、刷弹幕攻击，设计包含验证码、设备绑定、行为分析的多层防护策略?12.限流策略设计B 站“一键三连” 接口 QPS 峰值达 50 万，如何设计滑动窗口限流算法，区分普通用户与大会员的操作权限?

1.项目介绍2.实习相关3.Go的垃圾回收机制。如何知道线上垃圾回收出现问题，使用什么工具查看4.数据库的ACID以及如何实现。数据库的隔离级别。innodb和myisam的区别。5.TLS三次握手。如何确定拿到的CA证书的有效性。6.手撕代码:二分查找

1.实习介绍2.你既有互联网大厂后端开发经历，也有市场研究和数据分析经验，为什么最终选择聚焦在后端开发方向？3.常用的数据结构有哪些4.链表和数组的区别，操作效率上的区别5.用队列如何实现栈的功能6.你参与过AI RAG系统的构建，也在抖音做过合规组件，如果携程希望将AI能力引入客服或推荐系统，你觉得在架构设计和数据安全方面需要注意哪些问题？7.synchronize锁一个people.class和锁一个传过来的people实例，有什么区别8.介绍CAS 17、ABA问题怎么解决9.什么是可重入锁，synchronize是可重入锁吗10.hashmap的数据结构，为什么设置8和6这两个阈值11.你在抖音实习时提到了“微服务架构设计”和“RPC流量接入”，能否具体说明你是如何实现业务流量与合规模块解耦的？使用了哪些技术方案？12.你熟悉Java和Python，在抖音欧洲合规组件开发中主要使用了哪种语言？如果让你设计一个高可用的旅游订单系统，你会如何选择技术栈并考虑哪些容灾因素？13.反问