海康加面面经

研究背景与样本说明本文基于腾讯（支付、企微、腾讯音乐、QQ 浏览器、腾讯新闻等）、字节跳动（TikTok、用户增长、交广等）、百度、美团、京东、Shopee、虾皮、携程等多家互联网公司前端实习面试样本进行归纳分析，重点聚焦计算机网络相关考点。样本特征如下： 覆盖一面、二面及深度追问场景  包含项目驱动型提问 + 八股知识型提问 明显体现当前趋势：从“记忆型八股”转向“原理 + 场景 + 取舍”你往下看就知道考的高不高频率了就是说核心结论：计网考察的三层模型当前大厂前端计网考察，已形成稳定的三层结构：1. 基础认知层（必答正确） HTTP 各版本差异  TCP / UDP 基础  HTTPS 原...

兄弟们，七面终上岸！😭😭一路走来满是坎坷与波折，从最初的遥不可及、不敢奢望，到如今咬牙坚持终得圆满。付出了无数努力，熬过无数难熬的时刻，也算给前段时间的埋头拼搏画上圆满句号。点赞多的话，后续整理完整面经，分享经验干货，帮大家少走弯路～

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...