面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习 模型选型 function call流程 dpo优缺点2.Agent是怎么选择工具的3.对于一个边界不好定义的场景，类似skill这种形式不能很好区分场景披露工具，怎么办 sft和rag的适用场景4.RAG系统整体流程 对于不同类型的文档分块策略5.重排策略的选择 如果开发一个Agent，web socket和另一个什么选哪个6.ai coding，对于一个客服Agent，当前的奖励函数有：Reward 7.hacking问题、稀疏问题、区分度太大问题（只有完全正确和错误），请设计新的reward解决至少两个，并且列5个case，其中需要包含边界和可能Reward hacking的case

你觉得多个小 agent 是分成多个子 agent 好，还是在一个母 agent 下管理好？CLI 和 MCP 有什么区别？你目前为什么会想要离职/跳槽？如果 offer 你，大概什么时候能到岗？你有尝试过 AI coding 编程吗？用下来感觉如何？Claude Code 和 Cursor、Trae 的区别是什么？Claude Code 在非编程任务上的泛化能力怎么样？你了解 Claude Agent SDK 吗？你了解过其他 agent 框架吗？比如 AgentScope、LangChain？你觉得Cursor更像是哪种模式（ReAct / Plan-Execute）？你觉得 Claude...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 项目拷打：深挖实习中的 AI Agent 架构与 Java 后端落地细节。2. Java 线程池如何自定义拒绝策略？（考察 RejectedExecutionHandler 接口实现）3. 场景题：QPS 为 100，平均响应时间（RT）为 100ms 的 IO 密集型场景，你会如何设置线程数？4. 动态调优：在不重启服务的情况下，如何动态调整线程池参数？结合配置中心（如 Nacos）的实现思路是什么？5. 线程池动态刷新时，是直接替换整个线程池对象，还是调用内部 API 修改？两者有何优劣？6. MySQL 分页查询（Deep Pagination）在数据量大时为什么会变慢？7. 子查询优化分页的原理是什么？在联合索引覆盖的情况下，子查询节省的开销是遍历、回表还是 CPU？8. 慢 SQL 排查：除了索引缺失和数据量大，还有哪些因素（如锁、连接池、长事务、系统负载）会导致 SQL 变慢？9. 线上发生 OOM（内存溢出）时的排查路径是什么？如何通过快照定位到具体的代码行？10. 详细描述你项目中的 Multi-Agent 三层架构（Router -> Manager -> Sub-Agent）的设计逻辑。11. 在 Agent 开发中，如何通过 Prompt 实现高效的指代消除和意图识别？12. 提示词工程高阶技巧：什么是思维链（CoT）和思维树（ToT）？它们分别适用什么场景？13. RAG 实战：你的文档切片（Chunking）策略是什么？如何处理 Markdown 等结构化文档？14. 检索优化：为什么在 Embedding 向量检索的基础上还要引入 BM25 关键词检索？15. 评估体系：如何客观评价 RAG 的效果？谈谈你对上下文忠诚度、答案相关度的理解。16. 模型决策：对于 200 组左右的固定 QA 知识库，你会选择 RAG、Lora 微调还是长上下文直接输入？17. 微调难点：在样本量极少的情况下，如何解决 Lora 微调容易出现的过拟合或欠拟合问题？

4/20小厂agent一面复盘1、自我介绍，今天加了句 不知道我的技术栈对不对口 ，面试官就说他们也是go+agent，挺对口的，放松了一点点2、第二个项目2.1 LangGraph和LangChain的区别。LangGraph是状态机，对循环/分支的支持更好，比如我这里的路由会根据用户的问题走不同的分支，blabla面试官问用到循环了吗，我说效果不好的话会循环回去，但我这里比较简单【补充可控性/可观测行的差异】：状态显示、便于trace、调参。3.2 多agent了解吗没在项目里用过，只是了解。比如plan一个agent、执行一个agent、评估一个agent，她们各自分工又互相协作完成复杂的任务。【补充多agent适用场景、代价】适合做任务可分解、子结果可验证的场景，代价是token成本上涨、延迟变慢、调试复杂。3.3 学一下多agent的通信机制。函数调用、RPC。【消息格式】：需要包含role、内容、ctx等（json）【共享状态】：共享全局记忆，任务状态记录、中间过程记录【调度方式】：集中式、去中心【一致性】：冲突解决、投票/评分3.4 GraphRAG的优点传统的RAG只能做向量检索，GraphRAG的话加上实体抽取利用多跳机制，不需要检索全库的向量，而且通过扩展邻域检索更加相近的内容。【多跳关系推理】：不仅是相似度检索，更是 因果/关联链条【可解释性】：给出路径/邻居/证据块3.5 怎么做容错的？没做。只做了证据溯源，相当于肉眼判断吧。答得有点灾难【输入层】：提问非领域---澄清【检索层】：证据不足---换检索策略、调topk；图检索失败--回退向量检索。【生成层】：避免胡编/与证据不一致---触发检查【harness】：记录成样本3、第一个项目3.1 redis的缓存穿透和击穿。击穿用的singleflight、穿透用的空值缓存。别的防穿透方法就是布隆过滤器、加锁、或者也可以做非法请求校验（毕竟穿透解决的是非法请求）【缓存雪崩】：随机ttl抖动3.2 缓存在项目中是怎么用的？一个是用户个人页面的视频列表缓存，一个是姿态分析结果的缓存，通过前端轮询来获取分析数据。【补充key、val】：视频列表缓存，key是userID，val是视频元数据的json。分析结果缓存，key是视频id、val是结构化的建议。3.3 webSocket和SSE了解吗了解一点，但项目里没用到。一个是全双工，一个是流式传输。【如果要改进】可以用SSE试试推送分析进度3.4FFmpeg的瓶颈在cpu还是io答不上，面试官说在IO，可以利用redis的IO多路复用优化并发。【cpu】：top/htop---将分辨率【磁盘】：iostat----分片上传3.5 worker的数量如何确定记不清了，只记得和核有关。负载增加的话可以动态扩容。3.6 goroutine panic了会怎么样？栈展开、defer、recover捕获【补充配合ctx做取消】3.7 追问recover里面做了什么业务处理？没做业务处理，制作了错误输出。3.8 context父context取消，子也会取消。值传递的话http请求链用到了元数据传递以及tracer【加NACK】消息重试/放入死信队列4 aicoding代码质量、review怎么做的？我只回答了测试。面试官说可以借助rules、skill做限制【生成前】prompt/rules 限制技术选型、明确接口定义、必须做单测、必须错误处理【生成中】skill定义业务逻辑等等【生成后】：单测、并发安全