发点面经攒攒人品～1.项目拷打2.实习拷打业务背景用的是什么模型数据是如何获取和构造的（清洗去重过滤）SFT阶段有哪些badcase又是怎么解决的？为什么要用R？GRPO的奖励函数是如何设计的？最终的结果是什么？3.项目：你的agent是如何实现上下文压缩和记忆管理的？多个agent之间是如何进行通信的？4.场景题：如果我们这边的agent对于用户意图识别不准确，在工程上有哪些方法进行优化。5.算法题：面积最大的正方形，返回其左上角位置

八股问的不多，主要是围绕项目和AI知识在问1. 介绍一下RAG？2. 说一下你项目中的调用流程？3. 你感觉你实习中最有价值的工作是哪个？4. JVM相关的5. 写一下你最熟悉的项目中用到的数据库名？字段名？表名？6. 算法题：二叉树转字符串，字符串转二叉树面试前一天晚上发烧了，第二天表现不是很好，有一些问题忘记了。#

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项目1. 简单介绍一下这个系统的知识库问答架构，从文档入库到最后回答的完整链路是怎样的？2. 向量检索用的是什么索引类型？3. 在召回之后有没有做重排（Rerank）之类的操作？4. 你知识库的准确率和召回率是怎么评估的？5. Spring AI Alibaba 的 Function Calling 是怎么实现的？模型如何决定调用哪个工具？6. 如果工具调用失败了，你们设计了什么处理机制？7. Execute Plan 模式具体是怎么实现的？8. 平时哪种模型用的比较多？9. 平时编码时会用哪些模型？10. 在选择向量数据库时，有没有看过其他的（如 ES、Milvus 以外的选择）？它们之间的区别你大概有概念吗？11. 在写 Prompt的时候，你有哪些实践经验或设计原则？12. Graph Rag / Agentic Rag了解过吗13. 在秒杀下单中，Lua 脚本具体做了什么？为什么要用 Lua，而不是分开执行多条指令？14. 这个项目你自己做过压测吗？15. 对系统能扛住的流量（QPS）有没有具体的概念？16. 对于什么时候该上缓存、什么时候该上本地缓存，你大概的概念是什么Java 基础1. 线程池的核心参数有哪些？2. 线程池内部的具体工作流程是怎样的？3. 核心线程数和最大线程数一般怎么确定/计算？场景题1. 你觉得目前 RAG（检索增强生成）最大的瓶颈是什么？2. 假设要给电商平台搭建一个百万/千万级的商品知识库问答系统，你会怎么设计？3. 针对商品信息（如价格、描述）可能被商家动态更新的情况，你的知识库设计需要考虑什么？手撕：二叉树的层序遍历

攒人品中，祝大家都能拿到满意的Offer！项目1. 项目使用过程中遇到过什么问题2. 在使用 Spring AI Alibaba 框架时，它与其他开源 RAG 框架有什么区别？你使用了它的哪些核心能力，哪些是自己实现的？3. 向量数据库中使用了哪种索引算法4. RAG 优化方向：- 是否有看过 RAG 相关的论文或了解过前沿机制？- 业内的优化方向有哪些？- 如果让你类比“人看书”的过程，你会如何优化 RAG 的检索效率和召回率（引入目录、摘要）Java 基础与设计模式1. 请简述 Java 集合的继承体系2. HashMap 的父类有哪些？3. 集合框架中用到了哪些设计模式？4. 在 JDK 源码或 Spring 框架中，哪些地方应用了设计模式？5. 单例模式有几种实现方式（懒汉、饿汉、枚举等）？还有没有别的6. 平时在学习或写代码时会用到大模型吗？7. 如何看待“vibe coding”这种趋势？8. AI 辅助编程有哪些局限性手撕让写生产者和观察者模式

部门：电商营销一面：介绍项目sse问实习双亲委派怎么打破双亲委派mcp双链缓存三剑客mvcc算法：合并有序区间二面：问实习如果 prompt 过长了怎么去优化kafka消息堆积怎么处理一个商品详情页，它有下有很多服务，怎么提高响应速度，有哪些方式吗比如并行线程池被打满了怎么解决讲一下一种电商售后客服agent的设计用什么知识库主流的向量数据库有哪些知识库分块策略rag太大了造成性能问题怎么办怎么解决就是一个分数排行榜支持范围查询怎么设计选型分数一样，时间优先怎么考虑还是做个排行，用内存解决，用什么数据结构，数据量不是特别大对表加索引需要考虑哪些方面SQL题：给出五个sql建立索引算法题：假设我们那个日志处理系统多线程负责生成日志数据，并且写入缓冲区，这是生产者，另一个有多线程从缓冲区读取日志并且写入磁盘，这是消费者，这个缓冲区只有100条最多日志，要求缓冲区满的时候生产线程不能继续写入，需要等待，缓冲区空的时候消费线程不能继续读，需要等待，整个过程保证线程安全

1、自我介绍2、实习中搭建智能体是为了解决什么样子的问题3、搭建的过程中，你是怎么设计的我在设计智能体的时候，不会把它做成一个完全自由发挥的黑盒，而是尽量让它处于“有限自主”的状态。整体上我会拆成几个模块：输入理解、任务规划、工具路由、执行器、状态管理和结果汇总。输入理解负责把用户请求转换成更清晰的任务表示；任务规划决定当前问题要不要拆步骤，以及每一步的执行顺序；工具路由负责选择检索、分类、规则引擎或者外部接口；执行器负责真正调用；状态管理负责记录中间过程，避免模型每次都只靠上下文硬记；最后再由汇总模块把过程结果整理成最终输出。设计时我比较看重两个点。一个是工具边界要清楚，不能让模型既决定任务...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1．实习拷打2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做Instruction Tuning ，需要注意哪些数据问题？6．LoRA 和 Prompt Tuning 有何区别，分别适于什么场景？

继续来分享下之前的面经~欢迎友好讨论，信息共享1．实习介绍。2．拷打了一下项目和论文。3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5．KV Cache 是怎么起作用的？为什么对长上下文推理很关键？6．大模型推理时的加速思路？7．模型微调时遇到过过拟合吗？怎么处理的？8．手撕：1️⃣字符串的全排列2️⃣二叉树序列化与反序列化

1、自我介绍2、说一下你日常中和实习中对于大模型的一些应用3、大模型应用到审核体系里面去的话，你有什么比较好的想法吗如果把大模型用到审核体系里，我会更倾向于把它设计成一个审核增强模块，而不是直接完全替代原有流程。因为审核场景最重要的是稳定性、准确率和可控性，如果一开始就把所有判断都交给大模型，风险会比较高。比较合理的方式是把审核拆成几层。先用规则和轻量模型做高确定性的初筛，把明显违规和明显正常的内容先分出去；对于边界模糊、语义复杂、上下文依赖强的内容，再交给大模型做进一步判断。大模型在这里可以承担语义理解、风险解释、相似案例归纳、标签推荐和辅助判定这些工作。这样既能利用它的泛化能力，又不会把整...

快手一面 自我介绍完让我说说项目里做了啥，回答做了优惠券发布的逻辑，然后为什么选型redis的hash然后怎么扛高并发，回答的用分布式负载均衡问如果有五个客户端，二十个服务器，并且服务器性能有差别，怎么设计负载均衡，只答道了调nacos的参数，其实应该是服务器的权重以及redis的hash发券为了防超发，那么如果db没有写怎么办，回答的回滚，实际上这是严重错误，因为卷发出去了又取消掉用户那边体验会很不好，应该是消息队列尝试重发，如果多次未果再写入死信队列人工处理然后就是算法题了，一个五分钟内的连点计数器，一个设计循环队列，一个设计线程安全的单例

本人技术栈主要是Python+Go，之前有两段后端实习经历一面一开始面试官就围着我之前的实习项目问，问得还挺细的：当时做项目的时候，为什么要引入父子索引？还有BM25，引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有做rerank操作？如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？让我讲一下上下文工程，还有记忆功能是怎么实现的。除了AI相关的项目，还问了我之前做的后端实习项目，都是一些项目里的细节问题。分布式令牌桶限流、漏桶限流，还有滑动窗口算法限流，这三个都让我讲一下。尤其问了滑动窗口的数据结构会包含哪些字段，滑动窗口对比令牌桶有什么缺点，还有用Redis的什么数据结构能实现滑动窗口。又绕回我自己做的项目，让我讲一下LRU的原理和实现。布隆过滤器的原理、应用场景，也让我详细说一下。MySQL索引失效的情况，这块我八股好久没看了，只想起来两个，被面试官追问了好久，有点没答好。面试官还补问了一句，like查询会不会导致索引失效。MySQL的事务隔离级别，还有一致性相关的内容，让我讲清楚。MVCC这块问得特别细，反复追问，还举了具体场景，问这种情况下会创建几个readview，我当时琢磨了半天，尽量把自己知道的都讲了。最后还问了MySQL的锁相关知识，行锁、表锁这些都涉及到了。手撕代码环节，我跟面试官坦诚说，最近一直在实习，好久没刷过题了，然后面试官就出了一道反转链表，不算特别难，慢慢理清楚思路就做出来了。二面跟一面不一样，二面全程没涉及后端相关的问题，全是AI agent和RAG相关的，而且大部分都围绕我之前做的RAG项目展开，问得特别深入。首先问我，做RAG项目的时候，是怎么评测效果的？有哪些评测维度，具体用到了哪些指标？然后问项目里的数据集包含什么内容，数据来源、数据格式这些都问到了。如果让我对RAG的相关度和回答效果做优化，我有什么思路？有没有更体系化的优化方案，而不是零散的调整。面试官还举了个具体场景，比如有一千条数据，需要做求和处理，让我说说这种数据处理场景，我会怎么设计实现。RAG的性能怎么提升，有没有实际的优化思路，不管是工程层面还是算法层面。我项目里的上下文是怎么处理的，有没有什么优化的方向，比如上下文过长、冗余这些问题怎么解决。agent的长记忆和短记忆之间，怎么做到协同工作的，两者的衔接逻辑是什么。最后问我，有什么思路能让自己做的agent更智能？这个问题我感觉太宽泛了，当时没太get到面试官具体想了解什么，就主要围绕我工程开发中遇到的实际问题，讲了一些针对性的优化思路。手撕代码环节，出的是全排列，这个之前刷过类似的，思路比较清晰，顺利做出来了。感觉面试官比较爱问的AI问题就是RAG 的全链路优化、Agent、减少幻觉

#JAVA##JAVA面经##JAVA内推#1. 分段锁设计，扩容时如何避免并发冲突？思路核心是“分段加锁+扩容时单段独立处理”，结合实际项目中应对并发的经验，用通俗的语言说明分段锁逻辑和扩容时的并发控制，不涉及代码，突出实操性。回答示例面试官您好，我们项目中用分段锁解决高并发下的扩容冲突问题，核心思路很简单，就是把整个存储容器分成多个独立的段，每个段单独加一把锁，互不影响。扩容的时候，我们不会对整个容器全局扩容，而是只针对单个段进行操作。具体来说，当某个段的数据量达到扩容阈值时，我们只对这个段加锁，然后进行数据迁移、容量翻倍的操作，其他段正常处理读写请求，完全不受影响。而且扩容时会做双重校验...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目拷打2.实习经历介绍3.LoRa4.显卡资源如何，如何解决资源不足的问题5.效果如何测评6.有没有测常见的 benchmark7.详细介绍快手实习8.论文介绍9.DeepSpeed zero 策略10.除了 zero 外还有没有其他策略，也就是 offload 和 infinity11.batchnorm 和 layer norm 的区别，主要是 batchnorm 和 dropout12.model.train() 和 model.eval()的区别13.dropout 测试时如何使用的14.Coding1：买卖股票的最佳时机15.Coding2：字母异位词分组13.Coding3：盛最多水的容器

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.询问实习时间3.快手推荐实习主要做的什么4.实习期间做了哪些优化5.LLM 的长度扩展策略有哪些6.介绍 YaRN7.用户是怎么用你们的工具的8.幻觉怎么判断出来，如何解决9.是否有调用外部搜索引擎10.有没有用到Agent和RAG11.910B适配过程中遇到的问题12.深挖NIPS论文13.下游任务介绍，效果为什么会有提升14.给了一个现实生活中的例子，你的这篇论文怎么套上去15.实习期间最大的挑战16.技术上最有难度的事情是什么

#JAVA##JAVA面经##JAVA内推#1. 项目中使用RocketMQ保证消息顺序，具体如何实现？（如按订单ID分区）思路核心围绕“同业务消息同队列+单线程消费”展开，先讲生产端路由规则，再讲消费端配置，结合实际项目场景说清楚落地细节。回答示例面试官您好，我们项目里保证消息顺序，主要是靠订单ID做分区路由，再配合单线程消费来实现的。首先生产端这边，我们会给Topic建多个队列，发送消息的时候，拿订单ID做哈希取模，算出来一个队列下标，保证同一个订单的所有消息，全都发到同一个队列里，因为RocketMQ单个队列里的消息本身就是按发送顺序排好的。然后消费端这边，我们把消费线程数设置成和队列数...

时长; 半小时1. 自我介绍2. 项目拷打（你自己选一个点介绍然后深度拷打）3. 数据库事务隔离等级4. 有没有看过为什么数据库查询慢（项目的延伸，项目里做了个缓存系统，这里问有没有研究过为什么你的数据库查询慢）5. 手撕: 线程安全的懒加载单例模式 (脑抽了，synchronized 加到实例上了...没整出来）6. synchronized加锁过程 (针对上面手撕，面试官见我synchronized加到实例上了这里就问)复盘： 项目拷打的时候经不住拷打，后面手撕的时候一直很紧张脑子有点卡顿，最后的并发八股没准备到，一波连招下来感觉已经寄了... 哎，不抱啥希望了，这辈子应该是与大厂无缘了

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2. 把上一段实习经历展开讲一下，项目背景、遇到的问题、解决方法和效果提升3. 实习项目一开始效果不好，主要体现在哪些方面？4. 是否涉及工具调用，还是只是提示词构成的工作流？5. 模型怎么去调用工具的？6. 工具是谁做的怎么做的？7. 模型发送调用请求是通过什么形式，怎么提取信息？8. 项目中RAG的主要目的是什么？9. RAG知识库内容为什么不通过SFT直接注入模型？10. 数据来源如何清洗格式如何？11. 意图识别的各意图能举几个例子吗？12. 长时记忆和短时记忆的实现逻辑，以及这么做的原因是什么？13. 项目中遇到的比较难的问题和解决思路是什么？14. LoRA的原理和计算过程15. LoRA具体怎么节省显存、减少参数量？16. 为什么用RMS Norm而不用Layer Norm？17. GRPO的原理18. PPO最少需要几个模型？19. GRPO最少需要几个模型，是哪两个？20. 手撕 编辑距离

全程无八股，两个面试官都非常好！2026_0305-14:00_快手一面1. 自我介绍2. 你项目里面提到了AST 静态分析生成文档让AI更好理解上下文具体是怎么做的？3. 你提到了用到很多rules，你有想过用AI来code review吗？4. 用了这么多rules，你有用过skill吗？5. 面试官Code Review提到目前已经在大量使用AI来CR，和面试官讨论AI CR的一些安全的问题6. 你项目中使用到了IntersectionObserver能讲一下为什么用这个替代监听滚动吗？7. 你项目中提到Git Hash 增量更新机制,实现仅对变更文件进行文档更新,这个是怎么实现的？8. 项目中写道，“骨架屏预加载+ 视口懒加载+错误自动兜底”，这个你是怎么设计的呢？9. 有写过移动端或者安卓的app吗？10. 手撕 数组 合并，去重，排序（不用api）11. 用Vue多还是React多？（说了Vue）12. 用React手写一个子父传值（React太差了后面还是让用Vue了）13. 被面试官建议多学React，大厂还是React多一点....14. 反问，大概做什么，聊了一些架构设计相关。二面2026_0309-15:00_快手1. 面试官开始先是介绍了一些国内抖音，PDD，京东，淘宝，快手的电商布局2. 然后又介绍了一些前端团队的方向3. C端APP，B端商家服务平台，内容数据审核，监测4. 自我介绍5. 项目中AI的对话框的长对话和打字机效果有考虑过用一些开源的库吗？6. 没有使用库，怎么实现的呢？(SSE+setTimeout)7. React的useEffect的第二个参数三种情况分别代表什么？8. React.Memo和useMemo分别代表什么？9. 对前端最近比较热的方向有了解吗？10. 你使用cusror这样的编辑器是自费还是？11. 反问（对实习生期待是什么）

3.9 二面自我介绍一、 项目1. 项目使用过程中遇到过什么问题2. 在使用 Spring AI Alibaba 框架时，它与其他开源 RAG 框架有什么区别？你使用了它的哪些核心能力，哪些是自己实现的？3. 向量数据库中使用了哪种索引算法4. RAG 优化方向：- 是否有看过 RAG 相关的论文或了解过前沿机制？- 业内的优化方向有哪些？- 如果让你类比“人看书”的过程，你会如何优化 RAG 的检索效率和召回率（引入目录、摘要）二、 Java 基础与设计模式1. 请简述 Java 集合的继承体系2. HashMap 的父类有哪些？3. 集合框架中用到了哪些设计模式？4. 在 JDK 源码或 Spring 框架中，哪些地方应用了设计模式？5. 单例模式有几种实现方式（懒汉、饿汉、枚举等）？还有没有别的6. 平时在学习或写代码时会用到大模型吗？7. 如何看待“vibe coding”这种趋势？8. AI 辅助编程有哪些局限性手撕最开始让写生产者和观察者模式，不会请求面试官换一个，换成了集合合并（并查集），写了一半让口述思路就结束了整体设计模式这块答得不是很好，而且整场面试下来面试官一直在追问后续当晚oc