也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...

第一次面腾讯，真的被压力麻了，没想到会问这么细。面了一个小时，就留10分钟手撕，手撕还是写脚本，最后也没撕出来。大厂的面试官果然专业素质更高，对问题的剖析更加深刻，也算是好好的帮我对项目进行了扫盲。八股1.Ansible中的Paybook 结构它主要有这几个核心部分？Roles 是怎么划分的？2.K8s 集群部署包含哪些组件？3.你了解 kube-proxy 在这里面的一个作用吗？kube-scheduler呢？项目一1.你提到“设计Node亲和性规则”，那你这里是怎么去设置这个亲和性的呢？2.你的pod你是用的时候是强的还是软的？3.就是说按节点破的密度从 15 提升到 28 个，除了那个亲和性，还有哪些去做这个优化呢？4.节点自动扩缩容是自动的吗？5.“解决Kafka在Kubernetes环境中因PVC回收导致的元数据丢失问题”，怎么解决的？6.Rook-Ceph的性能你有没有做过压力测试呢？追问：1.你把1000万的文件去测试，会执行什么命令，表现是什么2.面临这样的大量文件，你有什么优化思路吗7.然后你再运用那个 Jenkins 的 slave port 的实现弹性的一个任务执行，这相对那个传统的那个节点的话，就是你这里就是说动，比如说你会动态去拉起一个 Pod 嘛，对吧？然后在这里面自己执行 Docker build 的时候，是是这样的一个逻辑吗？那你就是  Docker-in-Docker， 是这意思吗？8. Docker-in-Docker存在的一些问题9.执行 Docker-in-Docker 时权限是怎么设置的呢？10.在网络上，跟宿主机会不会有一些冲突的一些问题？11.单次发布时间从 40 分钟缩短到 8 分钟，这个除了你的流水线之外，还做了哪些优化？12.当时你的Prometheus  是用了什么来做存储的？13.了解Prometheus的数据淘汰吗14.EFK 的那个日志采集，用 Fluentd  做过滤。比如说你的历史就是他是一个文本格式，是怎么去把他那里面的一些正则啊，address 的这些变量把它转成 json 对象呢？15.EFK的日志又存在哪呢16. Fluentd采集完后，你的日志推向哪个组件17. Fluentd采集完后有堆积，哪些参数可以去缓解这个堆积呢？18.然后你在这个项目中，你觉得就说，最复杂的一次排障是什么？就是在你这个项目中。项目二1.第二个项目你就提到那个 Nginx  做 7 层的一个负载均衡分摊流量，那你具体这里用的是哪一种方法？2.MySQL 主从复制搭建过程中，这个当时是全量数据初始化，还是说是增量呢？3.通过 Mycat 做读写分离，你这个是怎么去配置的呢？4.那读写分离比如说从库延迟比较大的，那你这个也对读写分离的影响是什么？5.假如mysql出故障了，你是手动切换，还是自动切换6.动态切换，它是基于哪个指标来做判断？7.你说你直接把从库宕机掉，当时挂掉之后再重新接上，怎么做数据恢复？8.数据恢复的时候从库如何命中到之前断开的位置9.Redis 做session共享时需要配置哪些具体的参数呢？10.然后这里还有个是 Mango DB 存放日志，它是由 Nginx  直接写呢？还是说是在哪里写入的？11.那你说一下它整个过程是怎么样的？从 Nginx  产生日志到 Mango， 当时你们是怎么做的？

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...

😋😋😋