快手27实习 Agent开发一面分享

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.rag 构建，向量数据库原理选型，2.元数据过滤，混合检索怎么做的，重排，召回，评价指标，分层架构怎么设计的，兜底策略，3.工具调用失败或者顺序性怎么保证，非常全面，同时延伸场景题，4.如果设计一个可中断的智能体系统怎么做，5.用户多，点击次数频繁怎么做优化，6.rag 知识库文档有十几万，怎么办，以及如何不让大模型胡说以及说一些隐私数据7.AI coding 相关知识以及场景题，如何设计一个大项目代码与 agent 交互系统，大模型 token 有限情况下。8.transformer 原理，只说结构 qkv 还不行，继续问深的。9.skills，tool，mcp，openclaw 都有问到，以及自己在科研或者实习项目中怎么用，有什么心得八股：十五分钟1.bitmap ，缓存穿透，击穿，雪崩2.布隆过滤器原理3.es 倒排索引原理4.mysql 慢查询，如何排查，索引结构，索引失效情况5.消息队列保证消费唯一性以及顺序性。手撕：单词频率  十分钟

我认为大三暑假去实习是一个比较合适的时间点。一方面，这个阶段已经具备了一定的专业基础，比如编程能力、数据结构与基础算法、以及一些项目经验。相比大一大二，大三的知识结构更完整，能够更快适应企业的开发节奏，也更容易在实际项目中发挥作用。另一方面，大三暑假实习时间充足，可以完整参与一个项目的开发流程，从需求分析到代码实现，再到测试和上线，这种经历对理解工程化开发非常关键。同时，实习过程中还能了解企业的技术栈和开发规范，为后续找正式工作打下基础。更重要的是，大三实习可以作为一次“试错机会”。通过实际工作，可以判断自己是否适合某个技术方向或岗位，及时调整学习路线，而不是等到毕业后再去探索。因此，大三暑假...

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. 调用openai的接口，背后协议是怎样的一个workflow3. 项目拷打4. code: n个人站成一排，从左到右编号1-n，每次随机淘汰一个奇数位置上的人，淘汰完之后右边的人左移，（淘汰49之后，50变49，51变50），99轮之后，只剩的最后一个人获胜，问: 假如你参加这个游戏，站在哪个位置可以让你的赢面最大5. 模型基座怎么训的了解吗6. 场景题: 根据名字预测性别，方案和需要的数据量7. 讲一下ppo，dpo，grpo，以及rl到底在优化什么东西8. 讲一下持续学习的概念吧，业界持续学习大概有哪几种方法9. 讲解一下这篇论文