阿里 AI Agent应用开发二面 1h

还是太菜了，下去沉淀一下1.实习拷打2.拷打第一个项目：在多模态Embedding时，你如何平衡文本语义和图像视觉特征在计算相似度时的权重？如果用户搜的是图纸里的某个特定参数，但向量召回了一堆外观相似的零件图，你觉得是什么出了问题？Ragas的Context Precision如果很低，你怎么优化？3.拷打第二个项目：你的向量记忆库是如何做去重？如果用户反复说同一件事，你会重复存储还是进行语义合并？使用MCP接入多个测评工具时，如果两个工具对同一个问题回答格式不统一，怎么处理？4.当用户提问很含糊时，你的Agent是直接检索知识库，还是先进行反问确认？5.如果Agent发现调用的工具报错，如何设计Prompt引导它用报错信息进行重试，而不是直接报错给用户？6.在长对话中，除了截断，你了解哪些更高效的上下文压缩方法？7.在一个多Agent系统里，由LLM做Router分发任务和由固定规则分发相比，各有什么优劣？8.在Milvus里，你如何实现BM25和向量检索分数对齐？9.如果限定只检索某个时间之后的数据，向量数据库里如何实现标量过滤？10.了解LoRA微调吗？在训练LoRA时，两个参数矩阵分别是如何初始化的？11.讲讲QLoRA的核心思想12.如果你微调的是逻辑推理任务，相比于对话任务，你认为秩应该大还是小？13.在推理阶段，为了消除LoRA带来的额外延迟，你会进行权重Merge吗？14.在垂域指令微调时，如果模型原本的通用能力下降，你有哪些方法解决？16.DPO在训练时，为什么不需要像PPO那样在线采样生成回答？DPO数据格式是什么样的？17.如果并发调用10个不同的Embedding接口，asyncio.gather相比多线程在资源消耗上有什么优势？18.手撕：合并K个升序链表

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...

攒攒人品！有面试过同岗的朋友欢迎评论区交流项目:1.全局唯一ID是怎么保证的2.functioncall和MCP的区别以及各自的缺陷是什么3.skill了解吗?如何调用工具?4.会话记忆怎么实现的?5.在一轮对话上下文中是如何携带会话记忆的?6.有没有思考过目前实现的会话记忆有哪些优化空间?八股:自定义classLoader在什么情况下需要?如何实现?1.openclaw了解吗?2.研究方向是什么

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...