给我面没招了，发点面经攒攒人品～1.实习拷打2.你能简单概述一下你大概做了什么事吗？3.你们会有论文相关要求吗？4.你项目的背景大概是什么样？5.你这个项目主要做了哪些功能？6.你做项目的时候你觉得踩过的坑或者遇到的困难的地方？7.你还有哪些技术栈？8.ai coding

努力拥抱AI中…1.实习拷打2.做过什么项目介绍一下3.能讲一下RAG的原理吗？你在项目中是怎么用的？有什么好处？4.向量数据库的作用和原理能介绍一下吗？5.为什么要用多智能体架构？相比单智能体有什么优缺点？6.你手头上有哪个项目的代码，能不能展示一下？7.我看到你写用到了Zset，能给我讲一下怎么用的吗？8.消息队列在你项目中的作用是什么？9.多线程你项目中有用到吗？了解线程池吗能不能讲一下？10.JVM内存模型介绍一下？11.垃圾回收机制介绍一下？12.手撕：最长公共前缀

自我介绍 项目深挖一环扣一环最后一道算法题目手撕代码出来了（运行错误）思路讲了大概讲的时候思路有点错了第一次在共享手撕，比较紧张估计凉凉

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实习拷打项目拷打八股:mysql:1.刚刚提到了分布式事务，现在我们聊聊mysql的事务，你知道mysql的事务隔离级别有哪些吗2.RC和RR的隔离级别在MVCC的实现上有什么区别3.说一下mysql的三大日志，以及主要的作用4.mysql用的是什么索引，B+树相较于其他索引结构有什么好处场景设计题:对于一个接口，qps达百万级别，并且要求响应时间在100ms以内，尽可能详尽的说说如何实现手撕:二叉树锯齿形遍历

1.实习内容介绍2.传统机器学习NLP和LLM的区别3.RAG和微调的区别4.langchain和langgraph的基本概念区别5.武将、装备、buff等不同组合有不同的战斗力数值，设计一个根据玩家当前拥有的资源自动算出战斗力最高的算法6.transformer架构特点7.Multi-Head Attention是什么8.ai应用与传统应用开发本质区别是什么9.介绍前馈神经网络

一面简历拷打1. GSPO相对于GRPO最大的区别是什么？2. LoRA在初始化的时候，有什么特殊设定？3. LoRA实际训练时，base模型的参数是固定不变的吗？4. LoRA中A和B都设置成0可以吗？5. LoRA中A和B都设置成0时，求梯度的时候一直都是0吗？手撕6.给定一个数组，求其中逆序对的个数。7.给定一个包含正数和负数的数组，求其中连续子数组的最大乘积。二面简历拷打1.为什么需要多智能体？单智能体不能做吗2.LangGraph相对其他开源智能体编排工具的优点是什么？3.在现有场景中是否需要用到LangGraph的状态管理功能？4.如何理解Long-term Memory的实现方式...

📍面试公司：AMD🕐面试时间：前几天💻面试岗位：Agent工具开发（实习岗）❓面试问题：这次面试问的几个问题主要是围绕LLM和Agent在问，整个面试过程里我一直在主动去聊，所以面试官问的问题就比较少，很多没问都是因为我自己就全说了，但是主要的问题还是可以整理为：说一下简历上的项目，你做了什么。了解LLM微调吗？如何减少大模型的幻觉让它不瞎说。Agent工具了解吗，简单说说。你用龙虾做了什么？说一下Langchain和Langgraph。说说Agent的工作流程。聊聊RAG。MCP是什么？🙌面试感想：整体面试时间不算长，跟面试官聊的也非常好，后续面试也是通过了，不过因为一些原因不打算去...

没有八股，全问项目，但是不问项目功能细节，而是问整体设计几个场景题都是问你会怎么和AI合作设计项目大部分问题都是结合了AI这对我这种八股文选手和项目细节防护选手是一种毁灭性的打击反问的时候问了面试官这种面试方向，他说也是最近才更改的方向，现在都用AI来工作，我们想知道面试的同学利用AI的整体能力，八股文这些都是AI一句话的事情，没有必要30分钟快速被KO面试官很好，是我太菜了

一面，感觉像hr面1、问了一个项目，说完后没后续追问2、问学校经历，研究方向、奖项、论文等情况3、最新的AI技术都有了解吗，比如openclaw4、了解过公司吗5、我这边提问（商业互吹巴拉巴拉）

发一下问题给大家参考，攒攒人品！1.拷打项目2.实习拷打3.agent上下文/长短期记忆八股4.讲一下openclaw的记忆本地储存怎么设计？5.SDD是什么？openspec设计思路？优缺点？6.手撕：k个一组反转链表

继续来分享下最近的面经~1.离线数据处理咋做的？训练数据接入规范？2.阶段模型效果验证咋做？3.失败样本回流有做吗？4.断点重训咋做？5.交叉熵和KL散度区别？6.LangGraph/LangChain区别？状态快照机制了解吗？7.RAG八股略8.手撕二叉树中序

给我面没招了，发点面经攒攒人品～1.Agent跟LLM的区别？2.Agent结构包含哪些部分？3.听说过Agent loop吗？4.MCP是什么？如果MCP特别多的话要怎么管理？5.Agent是怎么实现上下文记忆的？6.tool层怎么定义的？tool层具体在agent运行是怎么被调用的？7.向量数据库是什么？跟传统数据库有什么区别？做demo用过什么主流向量数据库？8.向量数据库在agent是怎么被应用的？讲一下具体检索算法的实现？9.在各家api平台有开销吗？自己做项目面对api开销成本过大怎么办（非coding plan）？10.无手撕

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.mysql和pgsql的区别？分别是用什么数据结构实现？2.B树和B+树的区别？3.Redis的主要功能？为什么要用redis实现消息队列？跟python内置的比有什么优点？4.怎么判断链表相交？5.冒泡排序的时间复杂度？6.python的B库是什么？什么是进程？什么是协程？7.怎么用两个栈实现队列？8.RAG是什么？RAG怎么构建？RAG的评价体系是什么？能不能确保100%准确率？9.简单讲一下大模型训练的对齐操作？10.Transformer八股略11.手撕二叉树目标和

1. 请做一个简短的自我介绍2. 在你的项目里，挑一个技术难度大点介绍一下3. 你平时工作中用过哪些 AI 编程工具4. 对 Python 掌握如何？在你的实际使用里主要承担什么角色5. 对协程了解吗如果面试官保留“协程”这个点，其实完全可以只从 Python 角度展开。你可以说协程适合 I/O 密集场景，比如异步调用多个外部工具、并发请求检索服务、批量处理模型请求、流式返回等。协程不是让 CPU 计算变快，而是提高等待 I/O 时的资源利用率。在 Agent 场景里，协程比较适合做并发检索、多工具并发探测、异步日志上报、流式 token 处理这些事情。如果继续深入，可以提一下 asyncio...

4.2 字节一面1.论文跟实习经历的关系2.实习中，处理的时序数据都是什么样的数据？信号代表什么？3.详细介绍一下项目中的技术部分是怎么做的？（基本都是结合论文）4.做pre-training的时候loss的权重是怎么设计的？5.简述一下几篇对比学习的工作，介绍一下技术发展脉络？是否了解MoCo？6.有没有做过大模型微调？LoRA是否了解？为什么可以省显存？7.Agent项目里用的框架是什么？它是怎么决定自己要做哪一步的？8.workflow和agent的主要的区别9.问了几个GRPO的问题10.讲一下归纳偏置11.解决模型过拟合的方式12.transformer里的因果attention怎么实现的13.介绍一下位置编码？旋转位置编码的作用14.梯度消失和梯度爆炸的原因？如何解决？15.手撕：最长无重复子串

1.自我介绍2.Rerank的Top-k数量怎么确定？3.平时vibe coding吗？做过什么项目？4.讲一下你项目里的Prompt一般怎么写？5.了解ToT或者GoT吗？讲一下6.如果工具调用超时或返回空值，你如何设计Prompt让Agent反馈用户？7.讲一下Agent中的短期记忆和长期记忆分别怎样存储？8.向量数据库检索出来的历史信息，如果语义相关但时间太久，能直接用吗？9.对于RAG，既然向量检索已经计算了相似度，为什么还要用引入交叉编码器进行重排？10.平时vibe coding吗？做过什么项目？11.长文档切片的粒度你一般怎么选择？12.如何评估Rerank的有效性？有什么指标吗？13.手撕：一道原创题，忘记题目了，但是不难14.反问📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...

1.自我介绍2.Rerank的Top-k数量怎么确定？3.平时vibe coding吗？做过什么项目？4.讲一下你项目里的Prompt一般怎么写？5.了解ToT或者GoT吗？讲一下6.如果工具调用超时或返回空值，你如何设计Prompt让Agent反馈用户？7.讲一下Agent中的短期记忆和长期记忆分别怎样存储？8.向量数据库检索出来的历史信息，如果语义相关但时间太久，能直接用吗？9.对于RAG，既然向量检索已经计算了相似度，为什么还要用引入交叉编码器进行重排？10.平时vibe coding吗？做过什么项目？11.长文档切片的粒度你一般怎么选择？12.如何评估Rerank的有效性？有什么指标吗？13.手撕：一道原创题，忘记题目了，但是不难14.反问📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

给我面没招了，发点面经攒攒人品～1* 为什么引入 BM25？向量检索和 BM25 的融合比例是怎样的？2* 检索融合的具体流程是什么？召回后有没有做 Rerank？3* Rerank 后返回几个块（Chunk）？有没有针对这个返回数量做过验证？4* Rerank 后的 TopK 截断是怎么做的？为什么是这个值？有没有其他截断方案？5* 讲一下上下文工程（Context Engineering），Agent 的记忆（Memory）是怎么做的？6* 请详细讲解分布式令牌桶限流的实现。7* 漏桶算法（Leaky Bucket）的原理讲一下。8* 滑动窗口算法限流讲一下。如果用代码实现，滑动窗口的结构体会包含哪些字段？9* 滑动窗口和令牌桶相比有什么缺点？10* 在 Redis 中，你会用什么数据结构来实现滑动窗口限流？11* LRU 缓存的实现原理讲一下。12* 布隆过滤器（Bloom Filter）的底层原理和适用场景讲一下。13* MySQL 索引会在哪些情况下失效？14* 在使用 LIKE 进行模糊查询时，索引什么情况下会失效？15* MySQL 的事务隔离级别有哪些？如何保证一致性？16* 详细说说 MVCC 的实现，ReadView 的生成时机是怎样的？17* 在不同的隔离级别下，一个事务分别会创造几个 ReadView？