淘天一面 无八股无手撕就离谱

📍面试公司：阿里平头哥🕐面试时间：半个小时💻面试岗位：AI应用研发工程师❓面试问题：自我介绍介绍第一个项目讲一下你在这个项目中主要负责的部分、完成的任务，以及遇到什么难点，是怎么解决的？为什么选择用 Redis 做分布式锁？Redis 锁在高并发情况下遇到了什么问题？追问： 具体的锁误删场景是怎么发生的？追问： A如果在中途 Retry 了，还需要重新拿锁吗？Timeout 以后锁已经释放了，Java 进程还在进行怎么办？追问： 既然这个场景下 Redis setnx 不太适合，最后是怎么解决这个原子性问题的？介绍第二个项目追问： 这个项目是你自己业余时间做的，还是有真实用户来用？介绍一下 RAG的原理？它怎么满足你这个项目的需求？RAG 检索的具体链路是怎么设计的？追问： 简历上写提升了 97% 的召回率，这个具体是怎么算出来的？你这个大模型服务目前是怎么部署的？HR / 软性问题学校实验室经历：读研期间有没有做一些研究工作？导师/实验室那边的方向是什么？职业规划实习相关：什么时候可以入职？能实习多长时间？反问🙌面试感想：面试体验很差，首先面试官全程不开摄像头，然后没有手撕环节也很奇怪，最后就是反问环节问到部门在做什么，回复是'不方便透露'，，，那其实就没什么可问的了。

一、自我介绍二、项目深度拷问一（多模态相关项目）1. 项目中针对图文模态对齐问题，具体采用了哪些技术方案解决？2. 若图纸类视觉内容在文本中无任何对应描述，模型如何依托视觉特征实现精准内容召回？3. 项目向量数据库Milvus中，选用了哪类索引算法，选择该算法的核心依据是什么？4. 针对专业术语出现语义偏移的问题，除了混合检索方案，是否尝试过Embedding模型微调、Adapter适配等优化方式？具体落地思路是怎样的？三、项目深度拷问二（Agent对话/画像项目）1. 当外部测评工具返回的原始数据格式，与大模型输入预期格式不匹配时，如何实现数据格式的自动化映射？2. 向量库检索出的用户长期画像数据，与当前实时会话状态产生冲突时，整套系统的处理逻辑和解决方案是什么？3. 如何避免模型回复过度依赖检索到的外部知识，导致回答生硬、缺乏共情能力，提升对话自然度？四、AI Agent核心技术原理1. 对比思维链（CoT），ReAct范式在模型与外部环境交互过程中，核心解决了哪些痛点问题？2. 详细阐述大模型实现函数调用（Function Call）的完整流程，模型是如何将自然语言语义转化为标准化结构化参数的？3. 实际开发过程中，如何判断一个任务适合采用固定Workflow流程，还是自主决策型Agent来实现？五、Agent记忆与检索优化1. 详细讲解Agent系统中长短期记忆的设计逻辑，在长时对话场景下，如何实现上下文信息的动态压缩与选择性遗忘？2. 在Agent系统架构中，RAG检索获取的外部知识，是如何精准输入给模型，同时避免无关知识对模型输出产生干扰的？3. 解释重排序（Rerank）技术的定义，它在Agent检索链路中，对提升模型最终决策准确性起到哪些关键作用？六、多Agent与人机协作1. 单Agent处理复杂长周期任务时，引入多智能体（Multi Agent）架构的核心优势有哪些？2. Multi Agent系统中的路由（Router）节点，依据哪些规则和逻辑，将任务分发给对应的子Agent？3. 什么是人在回路（Human-in-the-loop）机制？在Agent系统开发中，如何合理设计人工审批断点，保障系统运行可靠性？七、系统评估与性能优化1. 有哪些量化评估方式，可以衡量一套Agent系统的优劣？2. 除模型生成质量外，Agent系统还需要重点关注哪些维度的评估指标？3. 针对Agent多步推理过程中产生的响应延迟问题，可落地的优化方法有哪些？4. 随着大模型上下文窗口持续扩容，传统RAG技术是否会被完全替代？阐述你的核心观点及理由。

分享面经攒RP上来大概是面试官介绍了一下业务，然后让我做自我介绍之后开始问项目相关先问了项目中最有挑战性的东西是什么(我回答的没啥特别难的部分。。)然后让我介绍了transformer的原理和流程MCP和RAG和Skills的具体内容为什么用Langgraph而不是原生如何处理上下文太多的问题React的原理接下来是八股数据库事务隔离级别如何实现这些事务隔离级别的操作系统死锁的具体概念计网：用url访问网站的具体流程(dns，http)算法题手撕：树上路径和为k的路径输出

面的感觉不好..手撕是我没见过的hard时间复杂度超了第二天挂掉了😇