得物 交易推荐算法实习 面经

前言 SpringAI是Spring生态中的AI框架，其提供了高度封装的AI调用方法，让开发者可以快速继承AI大模型调用。本文将由浅入深，集成SpringAI框架并快速搭建出可以使用的聊天助手。快速开始1. 依赖集成1.1 SpringBoot模板构建2.1 选择SpringBoot最新版本3.5.33. 1 在选择启动器中勾选上SpringWeb，OpenAI最终的依赖如下 <!-- 在 properties 块中添加 --> <properties> <java.version>17</java.version> <spring-ai....

后端开发/AI工程实习生 - 技术一面面试问题速览1. 请做个自我介绍。2. （针对RAG项目）为什么选择用Elasticsearch来做存储？3. Elasticsearch和其它常规的向量数据库有什么不一样的地方？4. （针对AI Agent项目）整个Agent你是怎么去设计的？5. （针对多轮对话）持久对话是怎么实现的？6. 了解CAP理论吗？Redis属于哪一种？7. （针对分布式项目）怎么去选一个leader节点？（Raft协议）8. （针对后端项目）你这边用了一个RocketMQ，能简单说一说这种消息队列有什么用，具体用在什么场景？9. （个人情况）现在是开学到大三是吧？实习时间大概是多少？我的回答策略与复盘【针对问题】RAG项目中为何选择Elasticsearch？它和专用向量数据库有何不同？* 【回答策略】我主要从两个层面回答了这个问题：1. 工程实践角度：强调了基于已有技术栈和经验进行选型的务实考量。比如，我提到自己熟悉ES，且团队已有的ELK生态便于集成和运维，这展示了成本和效率意识。2. 技术特性角度：点出了ES的核心优势在于其综合搜索能力。我解释了它不仅支持向量搜索，还能利用其强大的倒排索引进行传统的关键词检索，这对于需要结合多种搜索方式的场景非常有利。* 【复盘与思考】* 亮点：面试官对我从工程实践角度出发的回答表示了认可，这表明在初创公司，务实和快速落地的能力很受重视。* 待优化：现在回想，我的回答应该优先强调技术优势。比如，可以更专业地指出ES的“混合搜索（Hybrid Search）”能力是其在RAG场景下相比Milvus等专用向量库的核心差异点和优势。先说技术核心，再说工程便利性，逻辑会更清晰。【针对问题】如何设计一个AI Agent？* 【回答策略】我将Agent的设计思路拆分成了两个核心部分：1. 核心大脑（LLM & Prompt Engineering）：讲解了如何通过精心设计的提示词工程（Prompt）来赋予Agent“专家角色”，并引导其进行多轮、有逻辑的提问，而不是一次性给出所有答案。2. 知识外挂（RAG）：详细说明了如何通过检索增强生成（RAG）技术为Agent挂载外部知识库，确保回答的专业性和准确性，避免模型幻觉。同时，我还提到了对原始数据（如PDF论文）进行清洗、切块和向量化的预处理流程。* 【复盘与思考】* 亮点：这个回答展示了系统性思维，将一个复杂问题拆解成了具体的技术模块，并且每个模块都有清晰的实现思路。特别是提到了数据预处理的细节，增加了回答的深度。* 待优化：可以进一步引入Tool Calling/Function Calling的概念，说明Agent如何调用外部API（如查询天气、数据库）来增强其能力，这样会让设计显得更完整和前沿。【针对问题】Raft协议的Leader选举过程是怎样的？* 【回答策略】因为这是我亲手实现过的项目，所以我非常有信心地按照时间线和状态机转换的逻辑，一步步地阐述了整个流程：1. 触发条件：从Follower收不到Leader的心跳超时开始讲起。2. 状态转换：描述节点如何将自己的term加一，并转变为Candidate状态。3. 选举过程：讲解Candidate如何向其他节点发起投票请求。4. 达成共识：强调需要获得超过半数的选票才能成为新的Leader。5. 新王登基：说明新Leader会立即发送心跳给所有Follower，以巩固自己的地位。* 【复盘与思考】* 亮点：这是本场面试回答得最好的问题。清晰的逻辑、准确的术语、自信的表达，强有力地证明了我的动手能力和对分布式协议的深刻理解。对于简历上的核心项目，一定要做到这个熟悉程度。【针对问题】消息队列（RocketMQ）用在什么场景，解决了什么问题？* 【回答策略】我没有泛泛地谈理论，而是直接用了一个项目中的具体场景——“大数据量异步导出”——来回答，遵循了经典的STAR原则：* （S）场景：用户请求导出大量数据，同步处理会导致页面长时间等待，甚至请求超时。* （T）任务：优化用户体验，同时避免后端服务因长时间重度计算而崩溃。* （A）行动：引入RocketMQ。Web服务接收到请求后，立即返回“处理中”的响应，并将导出任务作为一个消息扔进队列。后端有一个专门的消费服务去队列里取任务，慢慢处理。* （R）结果：实现了异步化，前端响应速度极快；同时起到了削峰填谷的作用，保护了后端服务，提升了系统的稳定性和吞吐量。* 【复盘与思考】* 亮点：用一个具体的业务故事来包装技术，非常有说服力。这展示了我不仅懂技术，更懂得如何用技术解决实际的业务痛点，这是面试中非常重要的加分项。

投了合合的后端开发工程师，没浪花了呢有没有进度到后面的呀？

感谢 影石insta360希望其他池子快快泡出来。