1.skills和tools是怎么区分的？2.skills真正的优点是什么？能做到什么？3.mcp的讲解？ mcp要定义接口的话，必须把参数那些都定义到上下文中，他是一个比较冗余的信息，会污染到上下文。正常的工具调用是不需要这些冗杂语义的，而skill会隔离这些东西在上下文里面会去隔离这些东西，不光是token消耗量。还有一个重点就是做到按需加载，渐进式加载的问题。4.长期记忆是怎么做的？用户的记忆属于实体记忆，实体记忆应该更偏向于关键词记忆，并非rag。5.接触过融合检索吗？融合检索是什么？6.混合检索的融合算法是什么样的？他的比重是什么样子的？有可能rag找回了top5，es召回了top5...

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. 项目拷打3. 如果你要向一个不太理解AI的同事去解释RAG，你会怎么用一个通俗易懂的话语去解释RAG，并说明其核心价值和主要应用场景？4. 有没有一种比较通俗的类比，可以让他很快速的去大概理解一下这个东西呢？5. 假设你从来没接触过向量数据库。现在有一个项目就需要使用它，你一般会如何快速的去学习和上手呢？6. 在一个RAG系统中，用户反馈检索到的文档很多但是回答的质量不好，你会从哪些角度去分析和解决这个问题呢？7. 请简单解释一下什么是余弦相似度。在RAG系统中，它通常用来做什么？8. 什么是嵌入？在RAG系统中为什么需要将文本转化为向量（嵌入）呢？9. 你最近有没有在自己在钻研一些新的方向呢？

1. 先做一下自我介绍2. 讲讲你做的这个项目这个项目可以设计成面向投研分析师的问答和报告辅助系统，支持财报解析、公告问答、指标对比和结论摘要。整体链路一般包括文档接入、结构化解析、分块索引、检索增强、模型生成和结果回溯。我主要负责的是文档清洗、分块策略、Embedding 入库、重排、长上下文裁剪和推理链路监控。项目里比较难的点在于文档质量参差不齐，表格、脚注和跨页内容很多，直接切分会严重影响召回效果，所以后面会专门做表格提取和层级切片。3. 怎么解决大事务问题，为什么会导致这些风险大事务的风险主要在于占锁时间长、回滚成本高、undo log 膨胀、主从延迟和数据库连接占用时间过久。尤其是在...

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.其中一个比赛的实现方案优化的点详细介绍3.项目拷打4.用过golang吗？都会什么编程语言？5.mcp和skills如何选择使用？6.两道八股： 进程间通信方式。 Java抽象类和接口区别

发一下问题给大家参考，攒攒人品！1.实习拷打2.简历上项目ai coding的占比有多少3.自己ai coding的使用范式/习惯4.项目从0到1，以及1-100开发时有什么区别？5.function call, map, skills. 智能体演进过程6.从安全的角度去考虑，用户与Agent， Agent与Agent，以及Agent与后端交互这些链路中存在哪些安全问题7.mcp与命令行shell脚本实现一些功能有什么区别8.AI时代对于传统后端开发有哪些影响？是不是程序员就不用懂后端相关的技术了？

1. 你对 Claude Code、Codex、OpenHands 这类 Coding Agent 的理解是什么，它们的核心差别在哪这类产品表面上都在做“让模型帮你写代码”，但真正拉开差距的不是补全能力，而是任务编排、工具使用、上下文管理和反馈闭环。像 Claude Code 更强调命令行工作流、仓库级理解和连续执行，适合把模型放进真实开发环境里；Codex 早期更偏代码生成和 API 能力，强在补全和局部代码理解；OpenHands 这类开源 Agent 往往更强调可扩展性和多工具编排，方便接入自己的环境和流程。如果从工程视角看，这类 Agent 最终拼的是三件事：一是对代码仓库的建模能力，...

继续来分享下最近的面经~欢迎友好讨论，信息共享实习拷打项目拷打八股：1. Java线程安全问题指什么，有哪些情况2. Java线程安全的数据结构有哪些（应该是ConcurrentHashMap）3. HashMap的底层逻辑4. JVM垃圾回收原理以及可达性分析具体实现5. tcp三次握手 + 为什么两次不可以6. 操作系统里进程和线程区别 + 为什么线程切换消耗更小7. 线程创建的方法（答thread runnable callable，追问runnable和callable区别，只答出来callable有返回值）8. 死锁什么情况会发生9. Java synchronized关键字8. Java面向对象的封装 继承和多态9. 多态如何实现手撕算法：1. 判断一个链表是否内部有循环，有的话找到循环开始的节点位置2.给一组队伍A B 场地 和时间段的数据，判断几种冲突ai coding

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.AI Agent 项目中，模型输出失败可以分为哪些情况？2.如何处理模型输出失败？有哪些策略和工业界兜底方案？3.RAG 检索中，数据如何进行向量索引？4.文本分块的长度一般是多少？如何权衡？5.为什么使用向量数据库？与 MySQL 的区别是什么？PostgreSQL 对 Agent 有什么提升？6.如何评估 RAG 的召回率？常用指标有哪些？7.如何处理大模型输出死循环问题？兜底策略是什么？如何让模型生成更优内容？8.如何检测输出重复率？有哪些方法？9.如何设计 Agent 架构支持工具可插拔扩展？原理是什么？10.Agent 和大模型（LLM）的核心区别是什么？11.MCP（模型上下文协议）解决了什么问题？12.Skills 和 Function Call 的区别是什么？

1. 先做一个简短的自我介绍，重点讲你和 AI 应用开发最相关的经历2. 讲一下你做的这个Agent项目介绍一下核心链路一般是用户输入问题后，先做意图识别，再判断是走直接生成、知识检索还是工具调用。技术上可以拆成接入层、编排层、检索层、模型层和观测层。编排层负责 Prompt 模板、上下文管理和工具路由；检索层负责文档切片、向量检索、关键词检索和重排；模型层负责对接通用大模型和总结模型；观测层负责 trace、耗时、召回质量和最终答案质量。 public Answer handle(QueryReq req) { Intent intent = intentService.detect(req...

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. 项目拷打3. RLHF中奖励模型（RM）的训练数据如何构建？4. 推理加速技术5. 模型剪枝/量化（GPTQ、AWQ）、服务化框架（FastAPI+vLLM）6. 如何优化大模型在长文本生成中的显存占用？7. 微调方法对比8. 设计一个ai爬取字节视频，如何设计？9. Transformer自注意力机制、位置编码、梯度消失/爆炸的解决方案10. 如何解决大模型API服务的响应延迟问题？

发一下问题给大家参考，攒攒人品！1.除了 CDN，还有哪些网络加速手段？2.建立连接时常用的超时时间有哪些？分别起什么作用？3.I/O 多路复用：select、poll、epoll 的区别是什么？4.介绍一下红黑树（Red-Black Tree）及其效率特点。5.操作系统中有哪些机制或系统调用使用了红黑树？6.CPU Load（负载）和 CPU Usage（利用率）有什么区别？7.高 Load 代表什么？高 CPU Usage 代表什么？8.CPU 利用率低但 Load 很高的原因是什么？如何排查？9.磁盘目录满了，如何定位占用空间最大的文件？10.df 显示磁盘满但找不到大文件的原因是什么？如何排查？11.操作系统内存回收机制是什么？阈值设置不合理会导致什么？12.什么是 MySQL 的回表？如何避免？13.数据库连接数打满如何发现和优化？14.如何规避 SQL 注入？15.MySQL 自增 ID 达到上限会发生什么？16.Redis + Lua 如何解决超卖和一人一单问题？17.Redis 如何保证 Lua 脚本的原子性？18.缓存逻辑过期与物理过期的区别是什么？解决什么问题？19.缓存穿透中缓存空值方案有什么问题？如何优化？20.Redis 分布式锁（Redisson）实现原理？如何避免死锁？21.滑动窗口限流的实现原理及优点？22.如何实现 IP 和用户维度的多级限流？23.为什么使用二级缓存（本地 + Redis）？如何保证一致性？24.算法题：两个无序链表合并为一个有序链表

1. 全参数微调的显存一般怎么估算全参数微调的显存不能只看模型参数本身，真正上线训练时至少要把参数、梯度、优化器状态和激活值都算进去。最粗略的估算方式是：如果模型参数量是 N，训练精度是 bf16，那么参数大约占 2N 字节，梯度再来一份 2N，如果用 Adam，还要额外保存两组一阶和二阶矩，通常再加 4N + 4N 字节。也就是说，不考虑激活值时，单参数相关内存大致可以按 12N ~ 16N 字节估。真正把 batch size、sequence length、checkpointing、并行策略加进去后，激活值往往才是大头。所以面试里如果只答“参数量乘 2”基本不够。更稳的答法是先给出静态...

被横向挂了，希望发出来对大家有帮助！1. 介绍实习经历2. 项目拷打3. 上下文过长时的处理方法4. 工具多导致token数过多的解决办法5. Mcp server的构建方式6. 介绍了解的强化学习内容7. 上下文管理的实现方式8. 如何判断当前对话与历史对话有无关9. 代码题：数组中仅一个元素出现一次，其余均出现两次，要求线性时间、常数空间复杂度10. 大模型调用Mcp工具的完整流程11. 分享一个最有挑战的经历

攒人品中，祝大家都能拿到满意的Offer！1. 实习介绍2. 项目拷打3. 介绍一下Python中的装饰器及其应用场景4. 介绍一下vLLM中PagedAttention的原理5. 在RAG中，文档切片的粒度如何选择？6. 什么是CoT？为什么它能提高模型处理复杂任务的能力？7. 安全护栏是如何实现敏感词拦截的？8. 向量数据库索引中，IVF_FLAT和HNSW有什么区别？各自的适用场景？9. HTTP协议中GET和POST请求的区别？10. 大模型应用中常见的幻觉有哪些类型？在工程上如何缓解？11. Python中列表和元组的区别12. 手撕：无重复字符的最长子串13. 介绍一下Function Call的流程，模型是如何知道该调用哪个工具的？14. LangGraph相比于LangChain有什么优势？LangGraph的状态快照机制了解吗，大概是怎么实现的？你的向量记忆库是如何更新用户画像的？如何区分短期记忆和长期记忆？

1. 因果推断在多模态训练里能解决什么问题，为什么不是普通相关性学习就够了多模态场景里最容易出的问题就是模型学到“看起来相关”的捷径，而不是任务真正依赖的稳定因素。比如图像里某类背景、拍摄角度、文本描述习惯，可能和标签高度共现，但它们并不是真正决定结论的原因。因果推断的价值在于尽量把这些混杂因素拆出来，让模型更关注跨环境都稳定成立的信号。如果只靠相关性学习，训练集上可能效果很好，但一换数据源、设备、标注风格，性能就会掉得很厉害。因果思路不一定意味着一定要上完整的因果图模型，也可以体现在样本构造、环境分组训练、反事实增强和不变风险约束上。它本质上是在问：模型到底学到了可迁移规律，还是只记住了数据...

发一下问题给大家参考，攒攒人品！1.项目拷打2.实习经历介绍2.1做一个开放平台需要有哪些模块2.2开放平台的鉴权如何做，有没有了解过OAuth22.3开放平台的网关能做一些什么事情2.4KV数据库底层原理和技术选型3.场景题3.1如何设计一个秒杀系统3.2热点行更新是具体怎么做的4.AI相关4.1对AI了解到什么程度4.2为什么想要做Agent相关的工作4.3飞书的MCP工具是如何写的4.4你的AIcoding的经验有哪些4.5如果做一个通用Memory的功能

📳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。

📳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.项目都是自己做的吗2.rag这边是你做的吗3.向量化不是用milvus本身的模型，自带的吗？面试官提问问题4.入库流程的是自己做的吗5.文件读出读进内存里面，中间的适配器用的什么6.转换的用的什么能力7.精排取的交集还是并集，混合检索的，权重算的吗8.有没有遇到什么case9.有没有招不回的情况答得 检索侧和生成侧 两边的原因可能；语义分块太大；知识库里面没有；语义表述对齐，query表述口语化10.关键词检索BM25算法11.图文检索的用到什么策略吗12.持久化RDB算法和AOF细致讲下13.程序运行内存分布答得：jMM内存结构及数据存储类型aicoding 压测工具，python写，终端测试，生成文档和测试用例结果