AI Agent实习面经 美的

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 你有没有接触过自动化测试？了解哪些测试框架（Python 或其他语言）？2. 你在A公司做的 AI 平台整体是干什么的？3. 你说的孤儿资源清理具体是怎么实现的？4. 你是怎么判断一个资源是孤儿资源的？5. 这个过程是基于全量扫描，还是事件驱动？具体怎么做的？6. Watch 和数据库同步这一套是怎么设计的？有没有一致性问题？7. 你的事件处理链路是怎样的？有没有用 Kafka？为什么用 / 不用？8. 你在B公司做的 Agent 核心是做什么的？解决了什么问题？9. 这个 Agent 实际是在部署什么？是服务、脚本还是其他东西？10. Agent 是中心化部署还是每台机器一个？为什么这么设计？11. Agent 和 Jenkins 的关系是什么？谁负责调度，谁负责执行？12. Agent 的所有动作是不是最终都是通过 Jenkins 来执行的？13. Jenkins 执行完之后，怎么和 Agent 做状态同步或结果回传？14. 既然 Jenkins 本身就能做自动化，为什么还要做一个 Agent？15. 用户在 Jenkins 上最容易填错哪些参数？为什么？16. 能不能完全不让用户填参数，让系统自动完成？为什么做不到？17. 如果 Jenkins 已经可以完成这些事情，引入 Agent / AI 的价值在哪里？18. 如果让你设计一个自动拉日志的 Agent，你整体流程是怎样的？19. 有3台Linux机器，日志路径不统一，而且是二进制日志，需要解析，你怎么设计？20. IP/Port 固定，但 SSH 密码会随软件版本变化，这个你怎么处理？21. 不同业务的人要不同日志路径，你怎么做管理？22. 用户不愿意维护配置表，你怎么让用户输入，同时系统自动沉淀规则？23. 日志解析涉及不同格式、工具、版本，这一块怎么设计？24. 如果这个 Agent 要扩展到自动检测、排障、自动化能力，架构怎么演进？25. 在完全没有规范流程、系统很混乱的情况下，你怎么落地这个 Agent？手撕：第二大的数字，不能用既有函数。

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

1. 面试官介绍自己的团队，base位置，是否能够接受。2. 自我介绍3. 了解了一下我的现状，能够实习多久。4. 聊项目5. 你测试了你的系统吗？AI服务耗时怎么样？6. 你有调研过Java语言实现AI服务的工具吗？为什么项目中要用Python开发呢？7. 你的消息队列的主要作用是什么？8. 除了消息队列，你有没有想过其他通信方案？（RPC，HTTP等）9. 为什么不使用http同步调用的方案呢？10. 这个项目中，检索业务和生成业务的性能瓶颈你觉得在哪？有没有想过优化方案？11. 聊Java八股12. 你使用的JDK版本是什么？你了解过哪些新特性？13. 你用过lambda表达式吗？你知道lambda表达式底层的实现原理吗？14. 你了解过Java最新的绿色线程吗？15. 说说Java的虚拟线程和Go语言的协程、Python的协程有什么区别吗？（本人不了解Go和Java的虚拟线程，就只讲了Python的协程）16. 用普通的线程可以做到你项目中协程的工作吗？两种实现方案有什么区别？17. 你的项目用的是什么垃圾回收器？（回答是G1垃圾回收器）你了解G1垃圾回收器的底层原理吗？18. G1标记完需要回收的region后，具体如何判断是否该对一个region进行清理呢？19. 聊AI八股20. 你说你用了langchain和langgraph，介绍一下他们和二者的关系21. 你觉得langgraph真正的强大之处在哪？他有哪些关键的机制？22. 你知道langchain和langgraph框架在Java端的适配版本吗？有调研过吗？23. 你了解过向量数据库milvus的索引吗？24. 能简单讲讲向量的稠密索引是如何工作的吗？25. 你了解微调吗？Lora微调的原理是什么？与全量微调有何区别？26. 你了解vLLM吗？你知道他的原理吗？27. 你提到你使用了一些提示词工程，比如few shot和CoT，介绍一下他们以及具体的应用场景。28. 你的项目中如何应用提示词工程的？你怎么管理不同版本的提示词呢？29. 你了解哪些降低大模型幻觉的手段？30. 除了RAG，还有别的方法吗？31. 你的项目用了几个Agent？你的多个Agent之间如何通信？32. 你有没有考虑过Agent之间无限循环调用导致token消耗爆炸的情况？有没有解决方案或者思路？33. 你的项目中是如何计算和监控token消耗量的？34. 你了解哪些Agent通信方法？算法题：高精度乘法反问面试体验比较好。虽然难度大但是也能了解到很多新知识，开阔视野。第二天进二面。

最近是 2026 年的春招季，前几周密集面了大概快二十个前端。翻开这批简历，我有一种极其魔幻的感觉：满屏都是 AI，满屏都是算法。四五年前，大家简历上的高频词还是 精通 Vue3 响应式原理、熟练掌握 Webpack 性能调优。现在呢？十个候选人里，有九个写着熟练掌握 LLM 接入、深入理解 RAG（检索增强生成）、精通 Prompt 工程、参与过大模型 Agent 平台建设，剩下那个没写 AI 的，简历里赫然写着LeetCode 刷题 150+，精通动态规划与图论。前端这个圈子，仿佛在一夜之间得了严重的技术焦虑并发症。大家都在拼命往简历里塞最高大上的词，生怕在 2026 年这个节点，因为不懂...