继续来分享下之前的面经~欢迎友好讨论，信息共享1. 你对ai和数据库的结合有什么看法2. 向量数据库了解过吗，常见向量索引的实现细节3. 讲讲diskann4. agent memory管理有哪些难点5. 做题，很简单的一道easy

我当年也走过这条路，走过很多弯路。最典型的一条就是：总觉得再学一点点就好了，再补一个专题就好了，结果一直在“准备”，却迟迟不敢投。后来才明白，很多时候你不是技术不够，而是对 够不够 行不行 这件事判断错了。一、你以为自己在问进度，其实你在问竞争力可以在牛客、小红书上看看, 跟自己处于时期的学生都做出来什么项目了,同样是会C++，我还在写功能，其他大佬解释设计取舍 如果单纯看学校的进度, 恐怕找不到工作, 不要盲目自大, 多沟通交流, 技术很多时候靠沟通出来的二、岗位看重的，不只是会写代码很多同学刚开始把重心放在语法和刷题上，这没错，但只做到这一步通常不够。C++岗位更看重工程质量和底层理解。面...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.如果让你设计一个AI Agent的工作流编排画布(类似LangFlow)，你会选择什么技术栈，核心难点在哪?2.在RAG(检索增强生成)系统中，前端如何优化长文档的展示与引用来源的跳转?3.谈谈AI时代下，前端工程师的角色发生了哪些转变?4.面对快速迭代的AI技术，你如何保证团队技术栈的稳定性与前瞻性?

有面试过同岗的朋友欢迎评论区交流！1.若用户量大幅增长，实习的项目相关系统能否应对，瓶颈是什么?2.你平时会使用大模型处理哪些任务，觉得大模型在哪些任务上处理得好，哪些任务处理得不好?3.你做的另一个项目的核心目标和整体架构是什么?4.你做的另一个项目是生成文档还是生成核心代码?5.你做的另一个项目若工业界落地失败，会如何处理?6.你做的另一个项目在记忆模块设计上有什么思路，如何让相关技能更好地发挥作用?7.你做的另一个项目中，模型是如何选择的，有什么选择依据或方法?8.大模型幻觉问题该如何处理，服务化过程中会产生哪些相关问题?9.你做的另一个项目现在能否在本地运行?10.RAG的优缺点有哪些?11.多任务相关模型有什么适用场景?12.常见的Agent产品有哪些特质?13.若发现项目中模型执行不成功，会如何处理?14.长期记忆相关设计中，关键关注点有哪些?15.从整体设计角度，长期记忆相关功能会从哪些角度考量?16.长期记忆相关设计还有哪些可优化的点?17.Agent领域的发展趋势是什么?18.若代码生成成本越来越低，工程师的核心竞争力会发生什么变化?19.平时会通过哪些渠道关注AI技术动态?20.最近有没有遇到让你觉得印象深刻的AI应用，其情节或功能有较大亮点?21.进入项目后遇到新的工具技术，会如何评价技术是否能解决问题?