一面大模型优化自我介绍，之后介绍一下项目，用什么语言写的，算法是自己写的还是调库？因为项目里有最短路径算法，他就问数据结构里图的最短路径遍历算法，描述思路。c++了解多少，新标准了解吗，类型推导，左值和右值，move语句。如果创建一个类不声明构造函数，默认编译器会创建哪些构造函数？虚函数。了解过Transformer模型结构吗？平时用哪些大语言模型。手撕。有序链表删除重复元素，用python写，之后又问c++写的话有什么区别。反问。面试官到最后也不是很着急，我问完之后我俩相对无言有点尴尬。总体感觉一般般，有些说的不是很清楚。

发点面经攒攒人品～1.论文拷打2.拷打实习3.拷打第一个项目：MinerU解析出的结果是Markdown，相比纯文本，Markdown的层级结构对检索有什么好处？在你的流程中，VLM是在检索阶段参与，还是只在最后生成答案时参与？Ragas评测中，如果Faithfulness得分低，说明模型出现了什么问题？4.拷打第二个项目：在LangGraph中，Node和Edge分别代表业务流中的什么？长短期记忆在实现上有什么区别？短期记忆通常存在哪里？Agent是如何识别并选择正确工具的？是基于工具的名称还是功能描述？5.讲一下向量检索和关键词检索各自的优缺点6.为什么RAG比直接问大模型更能减少事实性错误？7.如果原始文档被修改了，如何保证向量数据库里的索引同步更新？8.什么是Query Rewrite？能解决用户提问中的什么问题？9.Temperature参数调高和调低，分别会对模型的输出产生什么影响？10.讲讲CoT的原理？为什么它能让模型处理复杂任务？11.在Agent执行任务时，Thought、Action和Observation三者如何循环？12.当对话长度超过模型上下文窗口时，处理方法有哪些？13.模型在进行工具调用时，输出的是直接的结果，还是一个包含参数的 JSON 字符串？14.系统提示词和用户提示词在Agent约束力上有什么区别？15.讲一下什么是HNSW索引？为什么比暴力搜索快？16.讨论了一下OpenClaw17.在开发Agent应用时，你怎么判断一个任务该用7B的小模型还是70B的大模型？18.如果你发现Agent总是重复执行同一个错误的工具调用，你从哪个环节修复？

还是太菜了，下去沉淀一下1.实习拷打2.拷打第一个项目：在多模态Embedding时，你如何平衡文本语义和图像视觉特征在计算相似度时的权重？如果用户搜的是图纸里的某个特定参数，但向量召回了一堆外观相似的零件图，你觉得是什么出了问题？Ragas的Context Precision如果很低，你怎么优化？3.拷打第二个项目：你的向量记忆库是如何做去重？如果用户反复说同一件事，你会重复存储还是进行语义合并？使用MCP接入多个测评工具时，如果两个工具对同一个问题回答格式不统一，怎么处理？4.当用户提问很含糊时，你的Agent是直接检索知识库，还是先进行反问确认？5.如果Agent发现调用的工具报错，如何设计Prompt引导它用报错信息进行重试，而不是直接报错给用户？6.在长对话中，除了截断，你了解哪些更高效的上下文压缩方法？7.在一个多Agent系统里，由LLM做Router分发任务和由固定规则分发相比，各有什么优劣？8.在Milvus里，你如何实现BM25和向量检索分数对齐？9.如果限定只检索某个时间之后的数据，向量数据库里如何实现标量过滤？10.了解LoRA微调吗？在训练LoRA时，两个参数矩阵分别是如何初始化的？11.讲讲QLoRA的核心思想12.如果你微调的是逻辑推理任务，相比于对话任务，你认为秩应该大还是小？13.在推理阶段，为了消除LoRA带来的额外延迟，你会进行权重Merge吗？14.在垂域指令微调时，如果模型原本的通用能力下降，你有哪些方法解决？16.DPO在训练时，为什么不需要像PPO那样在线采样生成回答？DPO数据格式是什么样的？17.如果并发调用10个不同的Embedding接口，asyncio.gather相比多线程在资源消耗上有什么优势？18.手撕：合并K个升序链表

给我面没招了，发点面经攒攒人品～1.实习拷打2.提问第一个项目：MinerU相对于传统OCR有什么优势？它的版面解析的准确率提升主要来源于什么？混合检索时，BM25和向量检索融合你是如何设置权重的？讲一下Ragas评测？3.提问第二个项目：为什么用LangGraph构建状态图？如何定义循环终止条件防止Agent陷入逻辑死循环？你的安全护栏是关键词匹配，还是调了专门的模型？调用的什么模型？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.Rerank的Top-k数量怎么确定？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.平时vibe coding吗？做过什么项目？

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？

1、首先进行自我介绍。2、询问之前机考的一道算法题，讲讲当时做的思路，是一道类似糖果分配的算法题3、询问简历上的项目，扣的很细，包括技术细节、工程问题解决、团队工作量分配等。（这一块的提问时间占比有一半以上）4、LLM八股 LLM的性能评估指标有哪些；提升llm的推理效率和成本的方法有哪些；多模态大模型的不同输入如何进行编码和对齐（我用图文检索举了个例子进行说明）5、设计题：现在让你为大模型设计一个数据加载器，请你会怎么考虑，说出你的思路。6、结尾做了个算法题，动态规划经典题型：在一个m*n矩阵中寻找一条最大路径,从左上角到右下角，每次只能向右和向下走一步,求到(m，n)处的最大路径的和（由于本人算法复习的很仓促，外加身边其他同学面到的算法题都很简单，于是我就没！去！复！习！，然后拿了个贪心糊弄了一下没全对）。面试总时长：30min左右的面试，15min左右的算法题一面结果：寄了，不知道是我设计题没回答好还是算法题没做对的缘故，继续投其他的了

最近按当前筛选整理了一波面经，这次挑了 8 篇相对值得复盘的内容，方便刷题和回看。1. 蚂蚁｜暑期实习｜未知日期：2026-04-24关键词：Agent面经难度：4 星标签：技术面技术栈：Java、Spring Boot、AOP、JDK 8、G1、ZGC、MySQL、Redis面经总结本场面试以 Java 后端基础、数据库与网络场景题、AI Agent 项目深挖及 AI Coding 认知为核心。高频问题【并发与多线程】线程池的核心构造参数有哪些？【并发与多线程】一个有队列的线程池，请求不断进来，说说线程池内部的执行逻辑？【编程语言特性】平时用什么 JDK 版本？【操作系统】JDK 8 的垃圾...

给我面没招了，发点面经攒攒人品～1.实习拷打2.项目3.问SFT4.attention和self-attention5.为什么attention比rnn好6.workflow和agent区别7.记忆机制的设计？如果都放在一起怎么办8.mcp9.few-shot有没有用？10.agent怎么保证有用？11.沙箱了解吗？12.你会怎么去测试ai写的代码？13.代码实现LRU

1.介绍一下你最近做的项目，主要实现了什么功能2.如何解决记忆冲突3.如果不做记忆全量索引怎么实现记忆更新4.长短期记忆怎么管理5.长期记忆模块的输入和输出分别是什么？数据怎么流转和存储？6.怎么做记忆压缩7.复杂场景如何做记忆检索，检索策略该怎么区分和优化？8.长上下文kv cache碎片化怎么解决9.memory benchmark如何设计的10.记忆主要用哪些量化指标评估？11.如果设计一个大型 Agent系统，整体架构你会怎么分层设计？12.子agent怎么避免上下文污染13.常用的提示词工程技巧有哪些？14.Skill 和 MCP 之间是什么关系？

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.实习项目：重点问了数据处理的步骤，配比，怎么评判质量3.实习项目：GUI-Agent的思考，介绍技术，怎么做的异步训练，怎么评判完成等等4.讲一下PPO和GRPO5.知道哪些attention变体，讲一下。问知不知道linear attention，qwen3.5和minimax2.5都用了6.PPO和GRPO的token前后奖励一不一样，这个我实在不明白，说不太懂这个地方7.vibe coding

发一下问题给大家参考，攒攒人品！1.实习拷打2.项目一拷打3.项目二询问4.Agent的记忆怎么设计5.workflow，agent，skill区别6.prompt你会怎么考量去写7.vibe coding8.你的agent是怎么做的，面试官让说你的这些agent具体是负责干嘛的，输入输出是什么讲明白

感觉面完人都通透了，还是太菜了，下去沉淀一下1.实习拷打2.项目一拷打：具体怎么做的？数据啥样？现在准确度在什么水位？有没有考虑过Agent做？你怎么和团队讨论的？是你一个人在完全负责这个模块吗？结果怎么定的？如果让你重新做这个项目用Agent的方式你会怎么考虑？上下游是怎么样的？你有和上下游交流过他们的情况吗？你的prompt怎么写的，具体展开说说？这个意图识别你怎么理解的？few-shot具体考量？用户反馈数据有看过吗，说说想法，怎么定的三种意图？3.项目二简单询问：你进来就做了这么多工作吗？两个项目的时间怎么安排的？4.你怎么看待算法和Agent应用的区别？5.场景题：五分钟思考一下做一个用户购物的Agent，问了有要规定什么方式？让自己编排。

继续来分享下最近的面经~欢迎友好讨论，信息共享1.论文拷打2.讲实习：自研设备啥样？框架是自己搭的吗？改过哪些东西？3.问项目：数据格式，解决的问题，你这个未来的应用场景具体是什么？4.问R1复现遇到的难题5.目前了解到Agent方向最新的东西有什么？6.豆包手机助手最新的东西有了解吗？7.你有用最新的一些AI工具吗？了解哪些技术？你的skill是用来干什么的？除了对齐数据还有其他场景吗？

感觉自己好菜、面试很难，还是要多多练习1.实习拷打2.Agent和模型方面你更倾向于什么？为什么在实习还在考虑其他公司？3.问GUI-Agent项目：背景是什么？为什么这么做？单用SFT不行吗？online的方法是什么？GRPO在这里面起什么作用？你的奖励函数是怎么设计的？为什么这样设计？后续的版本是怎么做的？衰减因子没有考量一下长短链路的问题吗？为什么用2B的模型，其他模型效果应该是可以解决的？图标分不开的情况如果是通过数据层面去解决有试过吗？有考虑过直接做前后状态判别的惩罚解决你遇到的reward hacking问题吗？GRPO有几个模型？损失函数知道吗？reference model具体的作用是什么？4.你遇到过大模型输出的时候复读机的情况吗？代码：判断复读机情况，最后一次可以不算进去。5.平时有用哪些AI工具？有自己写过Skill吗？6.DPO真的有解决你遇到的问题吗？还是那你认为DPO能否解决复读机问题呢？你怎么看SFT和DPO？

感觉面完人都通透了，还是太菜了，下去沉淀一下1.介绍一下agent实习的项目架构2.你刚才提到配合定会议那个是多 agent 架构，一共用了几个 agent？每个 agent 分别负责哪一块？3.在设计上，什么情况下你会用单 agent，什么情况下会用多 agent？4.多 agent 之间的数据传输或者通信一般是怎么做的？5.如果多个 agent 之间有并发的情况，你一般怎么处理？6.如果有多个 agent 同时去操作数据库或者文件，这种并发你怎么处理？7.如果它们是异步执行的，这边会考虑怎么做8.rag混合检索机制，是怎么实现的9.你们项目里有没有遇到幻觉问题？这个问题怎么减少、规避？10.你之前都开发过哪些工具 / function？11.你提到那个 self-refine / 自我修正，你做过哪些修正策略？12.如果 API 返回结果有字段缺失，或者有冗余内容，你会用这种方式处理吗？13.你对 MCP 了解多吗？有没有写过相关的 MCP？14.假设 agent 调工具失败了，一般怎么处理？15.你之前开发过 agent，怎么管理它的 context？16.你自己在做 AI coding 时，一般怎么用？有没有什么方法论？17.上线前主要是通过什么方式保证质量的？只是靠 code review 吗？18.除了简历上写的这些，你自己还用 AI coding 做过哪些项目？19.你刚才提到那个 omo / openspec的东西，是你自己的项目实践，还是从别的地方学来的？

发点面经攒攒人品！1.项目拷打2.你的项目数据是怎么来的3.如何处理上下文过长的问题4.如果内容还是很长而且就是每个字符都很重要呢5.你说到拆开分多次任务，如何保证上下文足够完成本次任务6.如何做缓存7.如何做内部代码库的知识库8.如何保证模糊检索的query返回质量9.有没有了解过query重写之后检索的方式10.你说到你用过小红书了解过问一问和搜索栏的AIsummary吗？11.如果是你来设计如何保证成本和速度12.问一问可以做帖子维度的缓存那搜索栏呢？13.那针对搜索量就是不多不少的关键词呢？14.指定n个任务，需要的时间在list中，最大支持k个线程求最小完成所有任务时间

发点面经攒攒人品～1.项目拷打2.langgraph和langchain的区别3.为什么选langgraph4.每个节点之间的状态流转是什么样的5.如何保证某个节点的效果6.你是如何做监控的7.你提到prompt结合，你是如何做的8.RAG了解吗？9.介绍一下你rag的项目10.如何做的分块，有没有做重叠11.向量化模型如何选型的12.如何保证简历上的数据13.对图片和表格是如何做的处理14.如果现在再让你做一次如何处理图片和表格

祝大家都能拿到满意的Offer！1.拷打项目2.多表准确率3.怎么往harness方面重构？4.各种指标5.架构设计6.是否落地，跟gpt/gemini对比有优势吗7.没明显优势你做它干啥8.线上维护还有各种指标9.对harness理解10.场景题：对于一个安全问题或者case分析的agent，讲一下具体设计11.对业务agent的理解，业务背景等

给我面没招了，发点面经攒攒人品～1.对rag的理解2.拷打项目3.核心优化4.agent系统架构设计和核心优化5.为什么用rag不用xxxx6.自主agent7.无手撕，直接共享屏幕设计一个coding agent的demo