腾讯天美一面面经

二面感觉很舒服，面试官很好，55分钟1.两个项目挑一个重点，我选的多人联机射击项目，讲了延迟补偿是如何实现的，服务端做了什么，客户端做了什么2.实习经历3算法是全排列4.问了ai常用吗，最常用哪个ai，以及对agent，skill的了解程度（完全不了解），还问了对ai驱动引擎有没有想法（没啥想法）5.问了ue5比起ue4多了哪些新功能，渲染，物理，网络等方面的一个八股没问，又问了我对后台感不感兴趣，问了我会不会分布式，说说问一下我的意见，要是后台方向进去的话，因为是小组合作，不会分布式有点痛苦，问我要是愿意就推给更前台的岗位，我显然不会分布式，然后就是吹ai，ai用的咋样，结果我只会基础使用，agent，skill搞不懂，还问了我还在玩卡拉比丘吗，问了14亿人能刷多少短视频（），还说我二次元游戏玩的挺多，全是二游，项目是暗区突围端游的，这老哥说感觉ai对行业的影响很大。然后还聊了些杂七杂八的，应该是挂了，因为不会分布式，虽然但是后台捞我本来就很奇怪好不好，不过捏，这两次面试感受很好，也加深了我对简历的知识储备，还是很不错的4.1 挂😭4.2号，挂久挂了吧，一早起来看到新的面邀想的被捞的真快，一看是光子的后台，厄，似了

📍面试公司：tx🕐面试时间：4.7时长1h💻面试岗位：后台开发❓面试问题：一、自我介绍二、拷打项目具体项目相关和研究方向相关（20min）通用：1.所用智能体开发架构（langraph）2.与langchain的区别3.具体微调怎么做的4.项目架构怎么确定的，有没有用最近新发布的技术比如skills5.记忆管理三、八股1.说一下访问www.baidu.com这一过程发生了什么，尽可能详细2.能详细说一下前端页面发生了什么吗（不会）3.http和https的区别4.tls建立链接的过程手撕算法：输出第k大的数输入没处理好一直报错反问：有什么需要提升的？答：对前端了解的不多🙌面试感想：感觉面试官不是很想要我，果然第二天收到了邮件面试反馈

围绕项目问八股1.秒杀场景下数据库宕机怎么办2.数据库在达到最大连接数后是否还能继续连接3.秒杀整体流程4.redis中hash的数据结构5.redis中zset的数据结构6.一条完整sql语句执行流程7.mysql索引结构8.redis lua脚本在redis集群情况下要注意什么9.agent上下文过长怎么办10.如果这个程序运行出现问题会从哪些方面进行排查11.https协议12.对称加密和非对称加密手撕：最大子数组和后续：已挂

全程2小时共享屏幕+看项目具体代码，压力面算法题（40min+20min优化）：74. 搜索二维矩阵      秒了1482. 制作 m 束花所需的最少天数贪心+二分    搞了半天，不过撕出来了问怎么优化时间复杂度1. TCP连接建立过程为何是3次segment交互，而非4次？请详细说明四次握手合并为三次的核心原因。2. 没见过的代码，让我猜结果，后来查了是js`const a = {i:1,toString: function(){return a.i++;}};console.log(a==1 && a==2 && a==3)`为何会输出 `true`？其底层类型转换和执行顺序是怎样的？3. 请解释CPU执行指令时，为何数字比较是串行执行而非并行处理？这和`a==1 && a==2 && a==3`的执行逻辑有何关联？4. 大模型生成语句基于HTTP长连接逻辑时，和WebSocket的全双工通信特性有何本质区别？5. SSE是否具备双工通信能力？如何清晰澄清SSE的单向推送特性？6. SSE实现客户端消息推送时，持续推送无法中断的问题该如何解决？是否需要后端配合实现流程控制？7. SSE存在自动断连风险，该如何优化协议稳定性以适配业务场景？有哪些重连或保活方案？8. 大模型流式输出的分段内容格式该如何设计？需要考虑哪些兼容性和可读性要求？9. 智能体Prompt的完整构建流程是怎样的？从角色设定、任务范围到格式化输出要求，具体步骤是什么？10. 智能体的场景化细节设计有哪些？该如何嵌入Prompt？11. AI Agent的核心工作流程是什么？请详细说明从用户需求分析、工具调用意图生成，到参数转化、MCP客户端校验执行的全链路。12. MCP调用逻辑的权限归属问题是什么？谁来主导MCP工具的调用？13. LangChain在你的项目中具体承担什么角色？是否仅作为大模型接口？如何实现框架的深度定制？14. 大模型在Agent系统中是思考核心，那工具调用的触发主体是谁？是Agent解析字符串触发，还是大模型主动分析意图后调用？15. 大语言模型输出字符串的机制是什么？工具调用的触发时机具体在哪个环节？16. Agent与大模型的协作流程是怎样的？17. MCP调用工具时的参数校验流程是怎样的？校验失败后该如何处理异常？18. MCP和Skill的功能边界是什么？两者在工具调用、模块化设计上有何区别？19. 如何将现有MCP工具改造为支持Skill功能？具体的代码或配置修改步骤是什么？20. 渐进式披露技术的具体实现方式是什么？如何通过文件格式和系统提示词控制大模型读取范围？21. 改造工具调用链路（如从MCP切换到skill接口）时，是否需要修改大模型本身？如何实现解耦以避免核心代码变动？22. 新建Scale工具文件并注册到映射体系的具体操作步骤是什么？如何保证工具调用的灵活性？23. 直接使用AI生成的代码方案（如Markdown表格形式的函数列表）是否可靠？存在哪些灵活性不足的问题？24. 现有文件名匹配逻辑不够完善，该如何优化？需要考虑哪些匹配规则和异常场景？25. 项目中的主控逻辑和记忆模块是否为自主实现？LangChain之外还使用了哪些技术栈？反问：一周出结果