携程英语测评

如题，刚看到有人说要不二面完立马发，要不过两周自动发

项目挑一个讲？这个项目里大部分是大模型，工程上的有讲一下吗？有用到 Agent 吗？Agent 和传统大模型有什么区别？工作记忆了解吗？向量数据库和传统数据库区别是什么？从模型上查询索引结构上、事务上的区别呢？你提到的给 A 推荐的喜好是怎么做的？你的项目如果对标京东、阿里的话，有没有了解到现在成熟的方案？比方说对你的身高体重、用户画像等这类长期记忆的应用。大模型使用向量数据库的诉求是什么？什么场景用向量数据库？向量数据库在 AI 里的核心作用在哪？向量数据库开源的有哪些？ 在毕设过程中，有哪些方案是做过技术调研的？做过压测吗？2000 QPS 的瓶颈在哪里？怎么优化？压测的时候什么指标达到了...

继续来分享下最近的面经~1. 实习拷打2. 你做的RAG知识库，具体业务场景是什么？整体是怎么搭建起来的？3. 项目一开始存在大事务问题，这个问题具体怎么优化的？4. 这个知识库支持什么内容形态？只有图文吗？图片是怎么处理的？5. 知识库面向的业务是什么？图文混合内容是怎么存储和还原的？6. 知识库更新怎么做？怎么保证内容实时保鲜？7. 这个项目里你遇到过哪些挑战和技术卡点？8. 向量库选型时考虑过哪些方案？为什么最终选择Milvus？抛开公司基建，会从哪些维度选型？9. 简历里提到吞吐、检索性能有提升，提升具体来自哪里？你做了哪些优化动作？10. 当前链路访问量、文档量级、线上运行情况如何？灰度切量到什么程度了？11. 线上有没有完整监控？链路出问题如何及时发现告警？12. 灰度切流过程中实际暴露过哪些线上问题？怎么解决的？13. 你最近参与的个人用户向、AI Coding 相关产品，目前做到什么阶段？你负责哪部分？14. 在这些项目中，你个人最大的技术收获是什么？15. 你理解Milvus底层原理，这些原理在实际落地中怎么指导你的技术决策？16. ES深翻页问题有没有遇到过？背后原理和瓶颈怎么理解？17. 有没有做过高并发场景？大促、秒杀这类高并发场景一般怎么设计处理？18. 平时开发会用设计模式吗？在实际项目里是怎么落地使用的？

咱不说“我能背锅，出了事可以挨骂，ai可以吗”或者反问面试官“那么你比ai优势在哪，你不也是个打工人吗”这种俏皮话？真遇见这问题，咋个回答~面试官是一个看着很资深的技术总监。他喝了口水，突然抛出了一个非常尖锐的问题：“你平时用 AI 写代码吗？现在 AI 敲代码的速度比你快 100 倍，错误率还比你低。在这种背景下，你觉得程序员的核心价值到底在哪？未来的出路又在哪？”这个问题其实我私下里思考过无数次。当 ChatGPT 刚出来能手写红黑树的时候，我也曾后背发凉，甚至怀疑过自己是不是马上要失业了。面对面试官犀利的眼神，我深吸了一口气，给出了我的回答。认清现实：编码的边际价值正在归零我回答面试官的...