继续来分享下最近的面经~1、讲一讲你现在公司做的这个agent是怎么样的？2、既然是科研类的agent，整个流程是怎么设计的？3、你有提到文献检索，我可以理解为deep research吗？具体讲一讲代码层面怎么实现的？4、主agent和子agent共用同一个上下文吗？5、讲一讲tool calling的具体实现6、知道渐进式披露吗？解释一下7、你觉得你使用LangGraph遇到最大的困难是什么？无手撕

给我面没招了，发点面经攒攒人品～1、实习拷打2、讲一下进程和线程的区别3、给了两个例子，决定是用进程还是线程4、在创建SQL表的时候，应该怎么设计索引?5、讲一下你上段实习具体期间做了些什么?6、平时有用什么AI编程工具去辅助吗7、我看你专业是电子信息工程，你为什么想要转来计算机?8、实习和学习你是怎么分配时间的?9、你是否接触过线上业务?平时跟同事之间是怎么沟通的?10、你现在是完全借助AI去写代码了吗?11、假如我现在要排查Linux服务器负载比较高的情况，你会怎么做?12、假设现在你是某银行的技术总监，你们业务的吞吐量QPS也是千万，你怎么保证用户存在你们系统里的钱是安全的?13、有了解过灰度测试吗?你是怎么做的?14、那假设我现在服务器可能出现了一些情况?你会用什么自动化的工具去通知开发人员?15、你有接触过快排以外的排序吗?说来听听

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1、实习拷打2、讲一下你这个项目最难的点。3、说一说synchronized是怎么实现的，代码应该怎么写?4、乐观锁是怎么实现的?5、讲一讲操作mySQL的时候你会用到什么锁。6、Lua脚本是怎么实现原子性的?7、假设我现在消费者崩了，你该怎么处理?8、详细讲一下看门狗机制和底层原理。9、数据库死锁怎么处理?10、如果此时有大key和热key，你是怎么保证你的业务不会崩掉的?11、讲一下Redis为什么快?12、聊一聊你用的这个Stream消息队列，他和我们平时见到的Kafka、rabbitMQ有什么不同?13、讲讲为什么要用Redisson分布式锁?算法题:Leetcode.24两两交换链表中的节点

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.ai写的代码如何验证2.ai写的代码线下测试没问题，上线有问题怎么办3.agent loop了解吗？4.claude code skills 某个skill你讲一下5.龙虾的skills 和 claude code skills区别6.rag全称是什么 rag是什么7.你用ai写代码还要自己检查错误，那你检查错误的时间超过你写的怎么办8.你给我说说龙虾烧token为什么9.本地缓存和redis有什么不一样10.你迁移到redis 热key 大key怎么设置的11.迁移了本地缓存之后对jvm影响12.你这是二级缓存吗？13.你给我说说命中率多少怎么算的14.迁移什么范围15.redis key设置用什么16.本地缓存引用转redis 你把二进制转换成json？

发一下问题给大家参考，攒攒人品！1.项目的背景2.项目相比 Linux 还缺什么3.如果拿去实际用，你觉得它和 Linux 相比最核心缺什么，举一个场景4.你觉得问题出在哪、和 Linux 比有什么不同、有没有解决思路5.Linux 的机制已经足够完美了吗6.是否可以理解为 Linux 因历史兼容导致结构变重，而你们有机会做得更轻7.Linux 在处理并发/锁问题上是怎么做的8.有没有做过 Linux 和当前系统在调度/进程管理上的开销对比测试9.运行过程中的 limit 是如何控制的10.项目到现在为止是否使用了 Rust 的 unsafe，如果用了如何处理内存隐患11.cgroup 在 Linux / 操作系统层面是怎么生效的12.cgroup 这块为性能做了什么，使用了什么高性能机制13.cgroup v1 / v2 的差异，以及现在的 cgroup 还有什么限制不了的14.cgroup 能不能描述网络带宽限制，标准实现是如何做到的手撕题：统计 1 到 n 中数字 1 出现的次数

发点面经攒攒人品～1.项目拷打2.长链接转短链接怎么转的3.数据库怎么存储的4.用的什么算法转的5.会不会有哈希冲突6.如何解决哈希冲突7.如何设计一个没有冲突的系统8.如何使用MQ的9.MQ中有哪些组件10.MQ怎么做顺序消息知不知道11.HTTPS底层原理线程与协程1.讲一下IO多路复用2.MySQL和Redis具体性能指标知不知道3.Redis基本数据结构4.ZSet底层原理，用什么做范围查询，具体命令是什么，获取一个目标元素时间复杂度5.Redis为什么性能很快6.Redis挂了，全打到db有什么好的解决方案7.Redis集群和MySQL主从架构知道吗8.MySQL CPU被打满，怎么定位问题

攒人品中，祝大家都能拿到满意的Offer！1、你们团队的multi-agents是你自己设计的？还是你只是完成了其中的一部分？2、所以你只是做了，没有参与底层设计对吧，讲讲你在团队里日常都做什么？3、你门团队的agent端到端成功率和工具误调用率是怎么量化的？用了什么工具？怎么去进行改进的？4、我看你还有做医学语料的预处理工作，这块你们是怎么分工的？5、你刚才讲了那么多步骤，所有工作都是你一个人完成的吗？或者说你主要负责哪几个环节6、论文有很多不同的形式，你在做layout-aware parsing的时候，具体用的哪个工具去解析pdf？有没有横向对比其他工具？7、噪声剔除的工作你平时是怎么做的？技术方案是什么？能不能详细讲一下8、有多篇文章出现了重复片段，你是怎么去识别并归纳的？9、业界对chunk切分和边界修正的主流策略是什么？10、假设我现在有一个表格被切分成了两半，你怎么在众多paper中找到并纠错？11、你们做的Graph RAG用了什么工具去进行评价？12、你说的这个Graph里的三元组使用LLM去进行抽取的吗？怎么保证大模型不会因上下文过长而出现幻觉？13、那你在设计三元组的时候是人工操作还是AI？有没有用到学术界提供的映射表之类的？14、假设大模型在抽取实体的时候出现错误了，你怎么去排查？15、我看你有在Graph RAG基础上做community summary，讲一下你这个设计思路16、你怎么看待你做的这个图检索增强生成，和市面上常见的向量检索、混合检索有什么区别？17、不同的RAG有做横向对比并量化成效吗？笔试题：用AI IDE写一个工具，语言不限，要求是能准确的从给定文本提炼出关键实体，并把对应的entity、relationship、claim用标准json形式输出。

努力拥抱AI中…1.https整体一个详细交互的过程2.s中SSL/TLS讲一下3.提到非对称加密和CA4.TCP如何做的拥塞控制和流量控制5.线程的生命周期6.volatile底层原理7.Transcational注解什么时候会失效8.给一段Transcational的代码9.create方法里面调带有transcational注解的save方法，都在一个类中，为什么会失效10.harness engineering11.vibe coding12.mcp13.function call14.skills15.rules16.平时使用ai开发的范式是怎么样的

面完就知道已挂无自我介绍，上来先介绍他们团队，然后说一面只考察基础，不问项目，就简历上写了Lora1、先code，桌面共享个IDE，手撕lora，给class loralinear，只要写init和forward部分即可2、scale值和alpha：一般设置为多少？这么设置的动机是什么？根据什么去调整？3、A/B两个矩阵的初始化，以及为什么一个是随机高斯初始化，一个是0，能不能两个都为0，能不能两个都随机初始化？4、推理时会用到的并行策略？比如70B的模型，用8卡（A800）单机去跑推理，如何打满GPU？正确答案应该是：可以采用TP+FP8/INT8的形式，如果使用vLLM这种推理加速器的时候，显存利用率的配置可以写成95%，最大程度打满。(结果我说DP+ZERO2，面试官说的是推理时候，结果我一紧张脑子里是训练的时候，吐血。面试官提示了zero是处理哪些部分，结果我迟迟反应过来！Zero只会在训练的时候用！)

给我面没招了，发点面经攒攒人品～1.HashMap底层的原理是怎样的？2.HashMap是怎么解决哈希冲突的？3.HashMap扩容时有数据写入怎么处理？4.Java里面还有哪些可以实现线程并发安全的操作？5.Synchronized底层是怎么实现的？6.CAS底层指令是哪一个？7.CAS指令是Java语言的实现，还是调用操作系统的？8.不用锁怎么实现一个并发安全的计数器？9.数据库事务有哪些特性？10.数据库是怎么实现事务四大特性的？11.数据库在什么情况下会出现数据丢失？12.怎么避免数据库数据丢失的情况？13.什么情况下索引会失效？14.什么是慢查询？15.优化慢查询，可以从哪些思路入手？16.为什么我们比较常用Redis来实现缓存信息？17.Redis高性能的实现原理是什么？

发一下问题给大家参考，攒攒人品！1.拷打实习,30min2.实习引申到八股：引入消息队列做数据同步会存在哪些问题？3.消息队列有哪些机制可以尽可能避免数据丢失？4.思考题:九亿个IP地址的去重5.假设去重后还有8亿个IP，需要你提供一个白名单服务，你会怎么做？6.按你的这个方案大概消耗多少内存空间？计算一下。7.算法题: 如何使用两个栈实现一个队列？

攒人品中，祝大家都能拿到满意的Offer！1.拷打实习和项目2.redis实现自然日一天的去重怎么做3.java的异步编程3.completableFuture了解吗4.手撕：编辑距离25.ai编程工具用过吗，怎么使用的

发点面经攒攒人品～1. 拷打实习经历2. 你预期AI写代码这个能力未来能发展到什么程度？你觉得下半年能达到什么状态？现在AI的不足有哪些？3. 算法题三数之和4. 什么场景会用多线程5. 讲一下Java里的锁，synchronized 和 ReentrantLock 的区别是什么？6. ThreadLocal 用过吗？解决什么问题？7. Java 的异常分哪几种？8. 线程池里如果一个线程发生异常，会怎么样？程序能感知到这个异常吗？9. HTTPS 和 HTTP 的区别？HTTPS 为什么是安全的？HTTPS 是怎么加密的？10. Java 线程有哪些状态？线程是怎么结束的？11. 反射用过吗？动态代理是怎么实现的？12. 什么场景会触发类加载？

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 在RAG系统中，它一般的召回阶段的排序策略通常有哪些？如果一个用户在召回的时候，他的查询是一些长尾或者是语义模糊的关键词，你怎么去提升这个召回的准确率？3. 召回排序的过程有几个阶段或几个层次？4. 有哪些方式可以改写Query，为什么能够提升这个召回精准度？5. RRF融合中，它的K参数一般取值是多少？大一点、小一点对结果有什么影响？6. 在你的项目里面，实际召回中有遇到不准的情况吗？在你们这个提升准确率的过程中，你们去做了哪些事情去提升，怎么做？7. 如果在查询中间，输入的一些极其模糊的表达，在实际工程中间要怎么去做呢？8. 那如果要做这么一个AI，你具体怎么去提示他，怎么去做？遇到这种一次性说不清楚话的用户，那你这个agent怎么去解决这一类的问题？9. 怎么去降低整个项目的一个幻觉？从数据、检索和生成这三个方面去阐述一下10. Agent项目如何设计评测方案11. 后端压测性能优化，如何定位问题之后是两个场景题：1. 假如需要你去设计一个电商客服agent的评测方案。这个agent主要有三类任务：商品咨询、售后咨询、还有投诉安抚。你需要去设计一个完整的评价系统，主要包括测评的维度指标，以及数据集的构成构建方案。然后如何区分这个agent到底是好还是坏，你怎么去设计？比如说我们就开发了一个这样的客服系统跑在线上，你总得有一些衡量的指标，你怎么去建这个衡量指标，怎么得出来这个agent是比较好的、比较提效的？比如说在安抚这个场景，用户的满意度是很难去衡量的，那你需要假如说让你设计一些指标，或选取一些指标去衡量用户是否满意，你觉得怎么去提取或者是设计这个指标？2. 假如让你负责一个文本转SQL的模型训练集的构建，你只有500条真实标注样本，需要你去覆盖200多个查询模式（单表查询、多表连接、聚合查询等等），需要你设计一个完整的数据生产流，包括合成策略、怎么控制质量，以及怎么去迭代优化，你怎么去设计？再之后是两道ai coding

一、自我介绍二、项目深度拷问一（多模态相关项目）1. 项目中针对图文模态对齐问题，具体采用了哪些技术方案解决？2. 若图纸类视觉内容在文本中无任何对应描述，模型如何依托视觉特征实现精准内容召回？3. 项目向量数据库Milvus中，选用了哪类索引算法，选择该算法的核心依据是什么？4. 针对专业术语出现语义偏移的问题，除了混合检索方案，是否尝试过Embedding模型微调、Adapter适配等优化方式？具体落地思路是怎样的？三、项目深度拷问二（Agent对话/画像项目）1. 当外部测评工具返回的原始数据格式，与大模型输入预期格式不匹配时，如何实现数据格式的自动化映射？2. 向量库检索出的用户长期画像数据，与当前实时会话状态产生冲突时，整套系统的处理逻辑和解决方案是什么？3. 如何避免模型回复过度依赖检索到的外部知识，导致回答生硬、缺乏共情能力，提升对话自然度？四、AI Agent核心技术原理1. 对比思维链（CoT），ReAct范式在模型与外部环境交互过程中，核心解决了哪些痛点问题？2. 详细阐述大模型实现函数调用（Function Call）的完整流程，模型是如何将自然语言语义转化为标准化结构化参数的？3. 实际开发过程中，如何判断一个任务适合采用固定Workflow流程，还是自主决策型Agent来实现？五、Agent记忆与检索优化1. 详细讲解Agent系统中长短期记忆的设计逻辑，在长时对话场景下，如何实现上下文信息的动态压缩与选择性遗忘？2. 在Agent系统架构中，RAG检索获取的外部知识，是如何精准输入给模型，同时避免无关知识对模型输出产生干扰的？3. 解释重排序（Rerank）技术的定义，它在Agent检索链路中，对提升模型最终决策准确性起到哪些关键作用？六、多Agent与人机协作1. 单Agent处理复杂长周期任务时，引入多智能体（Multi Agent）架构的核心优势有哪些？2. Multi Agent系统中的路由（Router）节点，依据哪些规则和逻辑，将任务分发给对应的子Agent？3. 什么是人在回路（Human-in-the-loop）机制？在Agent系统开发中，如何合理设计人工审批断点，保障系统运行可靠性？七、系统评估与性能优化1. 有哪些量化评估方式，可以衡量一套Agent系统的优劣？2. 除模型生成质量外，Agent系统还需要重点关注哪些维度的评估指标？3. 针对Agent多步推理过程中产生的响应延迟问题，可落地的优化方法有哪些？4. 随着大模型上下文窗口持续扩容，传统RAG技术是否会被完全替代？阐述你的核心观点及理由。

一、自我介绍二、项目深度拷问一（多模态相关项目）1. 项目中针对图文模态对齐问题，具体采用了哪些技术方案解决？2. 若图纸类视觉内容在文本中无任何对应描述，模型如何依托视觉特征实现精准内容召回？3. 项目向量数据库Milvus中，选用了哪类索引算法，选择该算法的核心依据是什么？4. 针对专业术语出现语义偏移的问题，除了混合检索方案，是否尝试过Embedding模型微调、Adapter适配等优化方式？具体落地思路是怎样的？三、项目深度拷问二（Agent对话/画像项目）1. 当外部测评工具返回的原始数据格式，与大模型输入预期格式不匹配时，如何实现数据格式的自动化映射？2. 向量库检索出的用户长期画像数据，与当前实时会话状态产生冲突时，整套系统的处理逻辑和解决方案是什么？3. 如何避免模型回复过度依赖检索到的外部知识，导致回答生硬、缺乏共情能力，提升对话自然度？四、AI Agent核心技术原理1. 对比思维链（CoT），ReAct范式在模型与外部环境交互过程中，核心解决了哪些痛点问题？2. 详细阐述大模型实现函数调用（Function Call）的完整流程，模型是如何将自然语言语义转化为标准化结构化参数的？3. 实际开发过程中，如何判断一个任务适合采用固定Workflow流程，还是自主决策型Agent来实现？五、Agent记忆与检索优化1. 详细讲解Agent系统中长短期记忆的设计逻辑，在长时对话场景下，如何实现上下文信息的动态压缩与选择性遗忘？2. 在Agent系统架构中，RAG检索获取的外部知识，是如何精准输入给模型，同时避免无关知识对模型输出产生干扰的？3. 解释重排序（Rerank）技术的定义，它在Agent检索链路中，对提升模型最终决策准确性起到哪些关键作用？六、多Agent与人机协作1. 单Agent处理复杂长周期任务时，引入多智能体（Multi Agent）架构的核心优势有哪些？2. Multi Agent系统中的路由（Router）节点，依据哪些规则和逻辑，将任务分发给对应的子Agent？3. 什么是人在回路（Human-in-the-loop）机制？在Agent系统开发中，如何合理设计人工审批断点，保障系统运行可靠性？七、系统评估与性能优化1. 有哪些量化评估方式，可以衡量一套Agent系统的优劣？2. 除模型生成质量外，Agent系统还需要重点关注哪些维度的评估指标？3. 针对Agent多步推理过程中产生的响应延迟问题，可落地的优化方法有哪些？4. 随着大模型上下文窗口持续扩容，传统RAG技术是否会被完全替代？阐述你的核心观点及理由。

1. 使用线程池时，相关参数怎么设置的2. 高并发缓存场景下，你如何设计缓存更新策略来平衡数据一致性与服务性能？3. 多节点状态同步场景中，你如何处理数据同步的一致性与延迟问题？4. 用策略模式重构分支逻辑时，你如何保证新旧逻辑的兼容性，避免业务中断？5. 多维度查询的缓存设计中，你如何平衡缓存Key复杂度、查询效率与内存占用？6. Redis分片解决大key问题后，你如何保证跨分片查询的效率？7. 优化Redis数据分布时，你用什么方法验证优化效果，判断数据分布是否均匀？8. 实现基于用户特征的个性化缓存查询时，如何处理缓存冷启动和过期问题？9. 优化首页接口耗时到毫秒级时，你用哪些工具定位性能瓶颈？10. 热点数据高并发访问场景下，缓存扣减加锁兜底方案如何保障极端场景的稳定性？11. 结合消息队列与定时任务削峰时，如何设计两者分工，避免消息丢失或重复消费？12. 基于Spring AI实现双大模型对接时，你如何设计模型降级与切换策略？13. 用问题-知识库联合提示提升RAG准确率时，提示词的迭代优化过程是怎样的？14. 处理多格式文档向量化时，如何避免长文本或复杂格式导致的语义信息丢失？15. 实现AI工作流驱动的自动化推送时，如何保证指令解析与执行的准确性？

继续来分享下最近的面经~1.大模型给出的答案如何与已有的项目结合？2.联合索引的底层实现？3.索引使用的数据结构是什么？各种树的特点以及应用场景，如B树、B+树、红黑树等？4.跳表是什么？原理是什么？5.实现类似Youtube上亿级别的点赞功能如何实现？如何解决高并发问题？6.如何存储这些点赞数据？有没有更节省内存的方法？7.手撕：图论相关的，求有多少个连通分量，每个连通分量里的最长边之和是多少？

1.自我介绍2. 文章分类大概有多少文章？数据规模怎么影响方案？答案：如果文章量只有几千篇，我一般不会一上来就训练很复杂的模型，而是先用预训练模型微调，或者用 embedding 加传统分类器做一个强 baseline。因为数据量太小的时候，复杂模型很容易过拟合，线上效果不稳定。如果有几十万到几百万篇文章，就可以考虑训练一个更稳定的分类模型，包括 BERT 微调、领域继续预训练、层级分类模型，甚至做多任务学习。数据量越大，越要关注标签噪声，因为文章分类里的标注经常不是绝对干净的，尤其是多维度分类，一个文档可能同时属于多个业务类别。实际项目里我会先看三个东西：类别数量、每个类别样本分布、单篇文档...