阿里菜鸟后端AI面

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 在RAG系统中，它一般的召回阶段的排序策略通常有哪些？如果一个用户在召回的时候，他的查询是一些长尾或者是语义模糊的关键词，你怎么去提升这个召回的准确率？3. 召回排序的过程有几个阶段或几个层次？4. 有哪些方式可以改写Query，为什么能够提升这个召回精准度？5. RRF融合中，它的K参数一般取值是多少？大一点、小一点对结果有什么影响？6. 在你的项目里面，实际召回中有遇到不准的情况吗？在你们这个提升准确率的过程中，你们去做了哪些事情去提升，怎么做？7. 如果在查询中间，输入的一些极其模糊的表达，在实际工程中间要怎么去做呢？8. 那如果要做这么一个AI，你具体怎么去提示他，怎么去做？遇到这种一次性说不清楚话的用户，那你这个agent怎么去解决这一类的问题？9. 怎么去降低整个项目的一个幻觉？从数据、检索和生成这三个方面去阐述一下10. Agent项目如何设计评测方案11. 后端压测性能优化，如何定位问题之后是两个场景题：1. 假如需要你去设计一个电商客服agent的评测方案。这个agent主要有三类任务：商品咨询、售后咨询、还有投诉安抚。你需要去设计一个完整的评价系统，主要包括测评的维度指标，以及数据集的构成构建方案。然后如何区分这个agent到底是好还是坏，你怎么去设计？比如说我们就开发了一个这样的客服系统跑在线上，你总得有一些衡量的指标，你怎么去建这个衡量指标，怎么得出来这个agent是比较好的、比较提效的？比如说在安抚这个场景，用户的满意度是很难去衡量的，那你需要假如说让你设计一些指标，或选取一些指标去衡量用户是否满意，你觉得怎么去提取或者是设计这个指标？2. 假如让你负责一个文本转SQL的模型训练集的构建，你只有500条真实标注样本，需要你去覆盖200多个查询模式（单表查询、多表连接、聚合查询等等），需要你设计一个完整的数据生产流，包括合成策略、怎么控制质量，以及怎么去迭代优化，你怎么去设计？再之后是两道ai coding

做了十几年业务，面过上百号人，我发现一个特别扎心的现象：很多人根本不是能力不行，而是“死”在了线上面试的临场发挥上。腾讯会议一开，对面HR或业务主管一个连环追问，平时准备得再好，脑子也容易瞬间宕机。最近总有年轻朋友问我：“AI面试助手哪家好，实时辅助答题到底怎么做才能不显得生硬？”今天咱们不玩虚的，拒绝假大空。我直接从具体岗位的真实场景切入，把市面上主流工具的底层逻辑掰开揉碎了讲清楚，帮你理清思路。一、 场景分类：不同岗位的面试“死穴”在哪？在选工具前，你得先摸清自己岗位的面试痛点，对症下药才有效。技术岗（开发/算法/测试）：典型的“茶壶里煮饺子”。代码写得溜，但一到系统设计或项目复盘，往往讲...

速度投递试一试

1. 自我介绍2. SSE 跟 WebSocket 有什么区别？为什么模型推流场景很多时候选 SSE，不选 WebSocket？答案：SSE 是服务器到客户端的单向流式推送，基于 HTTP，天然适合把模型生成的 token 一段一段往前端推。WebSocket 是全双工协议，更适合双方都要频繁通信的场景，比如协同编辑、实时游戏、双向控制。模型推流大多数时候是服务端连续输出、客户端被动接收，所以通信模式上 SSE 更贴近需求。另外 SSE 在工程上更轻，和现有 HTTP 网关、鉴权、中间件、日志系统、Nginx 代理兼容性更好，浏览器原生支持 EventSource，实现成本低。很多公司不选 W...