网易有道面经（一面）

给我面没招了，发点面经攒攒人品～1. 实习拷打2. 项目拷打3. 你的检索是否基于向量实现，搭建完整的 RAG 系统会涉及哪些核心部分？4. RAG 项目的文档上传和分块是怎么实现的？5. 向量检索召回的单次耗时是多久，有没有用到Rerank模型？6. 你如何评估检索召回内容与用户问题的匹配度，有没有做相关的效果评估？7. 你对 Agent 的理解是什么，它包含哪些核心模块？8. 是否了解 Agent 的设计范式，例如ReAct 范式？9. 你的 Agent 循环一般多少步可以完成任务，有没有出现过达到最大步数仍无法完成的情况？10. 你的 Agent 目前接入了哪些工具？11. 你是如何约定并约束大模型进行工具调用的？12. 你的项目推流是否使用 SSE？13. 你的 Agent 编排流程中有没有做 Plan 阶段？14. 从协议层面，介绍 SSE、WebSocket 与 HTTP 的区别和关联？15. 项目为什么限制每个用户只能上传单个文件？16. 项目的图像识别如何实现的，为什么不用多模态大模型，而选择传统的识别模型？17. 你的项目中用到了哪些大语言模型？18. 请介绍 Go 语言的并发和其他语言并发的区别？19. Goroutine 是什么，请介绍一下它的核心原理？20. 你对锁的理解是什么，锁是解决什么问题的？21. 日常开发中用哪种锁更多，还了解哪些后台开发常用的锁？22. 多机器、多进程场景下会涉及到哪些锁，是否了解分布式锁？23. 你对 MCP、Function Call、A2A 分别是怎么理解的？24. 你的项目接入了哪些 MCP 服务？有没有本地手写过 MCP 服务？25. 你日常开发会借助哪些 AI 工具？26. 使用这些工具的心得以及是否有写过相关的 command/skill？27. Claude Code 的实现原理？28. 是否了解OpenClaw以及了解它的实现原理？

1. 自我介绍2. 项目拷打3. Reward Model 在对齐训练里扮演什么角色Reward Model 本质上是在学一个“人类更偏好什么”的可微近似函数。SFT 学的是“像人那样答”，RM 学的是“人更喜欢哪种答法”。它并不直接生成答案，而是给候选答案打分，把人类偏好从离散排序信号压进一个标量目标里，后续无论是 PPO 还是其他策略优化方法，核心都要依赖这个分数去推动模型往偏好更强的方向移动。RM 最大的价值不是替代人工，而是把人工偏好从逐条监督扩展成可批量泛化的训练信号。真正难的地方在于它很容易学到表面模式，比如更长、更像模板、更会说套话的答案可能被错判成更优，所以 RM 训练的上限很...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你的知识库数据是如何清洗和构造的？如果数据质量参差不齐会对 RAG 系统产生哪些影响？3.文档切分策略是如何设计的？chunk size 和 overlap 会如何影响召回质量和生成效果？4.如果用户的问题在知识库中确实存在，但系统经常没有召回正确文档，你会如何排查？5.如果检索到的文档是正确的，但模型最终生成的答案仍然是错误的，你会如何定位问题？6.实际系统中，如果召回结果经常语义相似但事实不相关，你会如何优化检索模块？7.如果一个问题需要跨多个文档的信息才能回答，你的 RAG 系统如何处理这种情况？8.在 RAG 系统中如何判断问题出在检索模块还是生成模块？9.请详细说明 Transformer 从输入 token 到输出 logits 的完整计算流程。10.FFN 层为什么采用“先升维再降维”的结构，这种设计对模型表达能力有什么作用？11.MHA、MQA、GQA 在推理阶段的 KV Cache 占用和计算效率上有什么差异？12.为什么推理阶段 KV Cache 只缓存 K 和 V，而不缓存 Q？13.RoPE 的核心原理是什么，它在长上下文场景下会遇到什么问题？14.instruction tuning 中多轮对话数据训练时，loss mask 应该如何设计？15.如果 SFT 之后模型在特定任务上能力增强，但通用能力明显下降，你会如何解决？16.LoRA 的低秩分解为什么能够逼近全参数微调的效果？17.如果 LoRA 的 rank 设置不合理，在模型表现上会出现什么现象？18.DPO 训练后模型输出明显变长，在实际系统中你会如何处理？19.如果对齐之后模型变得过于保守，经常拒绝回答，你会如何调整训练策略？20.大模型出现复读机现象通常由哪些因素导致？

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...