字节暑期剪映后端和AI agent一面面经

多发面经多多攒人品
---------------------------------------------------------
1.个人的基本问题,有实习经历么(无)(3min)
------------------------------------------项目时间(30min)---------------------------------------------------
2.开始拷打项目,询问langgraph的知识了,问我的项目的架构是什么样的?
3.agent的编排是怎么做的,运用到了什么样的模式呢,如何调度的?
4.你说的混合记忆架构,短期记忆,长期记忆记忆槽位是如何做的呢?里面用的什么数据结构,存的具体是什么数据。
5.那数据库存储和rag是咋做的?
6.项目有什么问题么,遇到过比较难的问题?
   6.1.讲到token消耗,和mcp类似的上下文协议占用token的问题,以及如何减少这样的消耗呢?答:从最近的skills里面获得灵感,使用按需加载和渐进式披露。或者维护摘要或加入缓存工程。
    6.2.子agent在动态分配的过程当中如何做呢,通过什么技术来实现一种调度和分配,如何提高子agent的执行任务和工具调用的准确率。
7.图数据库引入解决了什么样的问题?给我讲讲。
----------------------------------------------------基本八股(15min)---------------------------------------------------
8.  HashMap 底层实现,数据结构,扩容机制,哈希冲突解决的常用方法有哪些?
9.HashMap 与 ConcurrentHashMap 区别,渐进式扩容,线程安全底层如何实现的?
10.ReentrantLock底层的公平非公平如何实现?AQS是什么,抽象队列同步器,CLH的自愈合,包含什么数据结构等,waitset,双向链表,独占模式和共享模式有什么区别?
11.MySQL 事务特性ACID,分别靠什么保证呢?
12.最左前缀原则。
13.Redis ZSET 实现。然后redis的持久化,AOF和RDB各自有什么优点和缺点,以及AOF重写机制讲一下。
14.Kafka如何保证高可用性?生产者,broker,消费者各自怎么做的?
--------------------------------------------------算法题(8min)---------------------------------------------------
K个一组反转链表。
面试官说给我10分钟来写。键盘开始冒烟
-------------------------------------反问--(8分钟)--------------------------
后续:
20分钟后约二面。#牛客AI配图神器##字节##暑期##面经#
全部评论
那你这二面面的咋样了
点赞 回复 分享
发布于 昨天 22:06 陕西

相关推荐

前情提要 本人29届毕业,这几天也是春招火热期,于是在boss上投了几个公司。发了几份简历之后,第四范式公司hr初步问我了一些vibe coding的经历,之后打算联系我进行面试。面试内容问:简历中AI Agents的开发经历是个人开发的还是在实习?答:前两个项目是个人开发,后一个是团队开发的(项目:工作流、AI框架、Agent多端应用)问:索要项目上线的网址和在这个Agent多端应用中负责什么方向?答:这个项目的后端是一个golang、python的微服务架构,其中golang负责后端,python负责ai层。前端则是web端为vue3,移动端为flutter。我负责的是全部的的ai层和golang后端的跨域通信和部分后端功能和web前端功能的改进设计。问:询问项目的主要功能,和如何实现?答:使用langchain、langgraph框架,首先把工具通过mcp-adapters进行打包,之后ReActAgent进行调用工具与数据库进行交互,另一方面在进行增删改操作时由于ai输出不一定满足用户的需求,我做了一个独立的确认节点作为拦截中间件,截断了数据的写入,而用户可以来自行编辑或保存删除。问:Agent的工作模式都有什么?答:ToolsCallingAgent、ReActAgent、ReflectionAgent、PlanAndSolveAgent(并粗略展开每一种大概机制,此处不多赘述)问:介绍一下你对RAG的理解?答:我平时不太喜欢用RAG,主要因为两点,自己开发的时候大多数用不到这个技术,RAG最好在垂直领域来使用,尤其是ToB或者专精某一特定领域,而且前段时间不少人说RAG已死,指的是现在很多东西能替代RAG的功能;其次RAG的召回率并不算太高,想要优化召回率只能花费大量人力财力来进行经验微调。知识库开发的流程一般是,先进行数据清洗,之后进行向量化储存到向量数据库,召回时在进行一个向量匹配的操作问: 看到你做了一个memory上下文记忆功能的处理,可以说一下处理逻辑吗?答: 记忆可以分成长期记忆和短期记忆,我在长期记忆这里使用的是RAG技术,将用户强调或者比较有价值的数据存入,这样可以作为一个跨对话窗口的上下文,而短期记忆我也是做了一个上下文压缩,用了一个经验值作为阈值,等上下午到一定程度之后就会进行精炼,而精炼又有两种模式,我分为智能模式和机械模式,智能模式是通过llm进行关键信息等提炼,机械模式是通过正则处理去除冗余的工具调用日志和结构化导致的上下文污染问:对于模型的选型你是否有考虑呢?答:之前自己做过coding agent等类似的项目,在多智能体系统中对于不同的任务采用的模型不同,比如plan使用主力模型opus,编写代码使用中等模型sonnet,而探索项目结构可以使用haiku等小模型,这样的话既可以节省token花销也可以不降低代码质量问:你是否有AI编程的经历和理解?答:略(先是说了市面上各ai编程工具的差异性优点及缺点和我自己的订阅情况,之后说了开发模式相关如spec driven。ps:可参考该文章 AI 原生工程)问:对于Agent有没有什么熔断机制?你有接触过么?比如你的基模直接卡死了,你的后端是否有什么保底机制?答:有的,在项目中我对tool calling做了一个熔断机制如果工具调用失败超过三次就会进行熔断处理,防止反复重试导致系统崩坏。如果基模卡死的话,完全可以弄一个集群来处理,如果一个服务器掉了可以快速转到另一个提供llm的服务器。最终也算是过了
查看9道真题和解析
点赞 评论 收藏
分享
评论
3
20
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务