26校招阿里云Agent算法二面

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.Agent的架构设计2.RAG的检索如何实现3.预训练数据清洗方法4.Group Query Attention的作用5.手撕：实现LRU Cache6.MoE架构的专家路由是对每个token路由还是对每个序列路由7.KV Cache的优化方法

淘天 27 届暑期实习生正在招聘 各方向都有海量 HC 欢迎看我置顶帖子投递面试题 23：如何开发一个高质量的 Agent Skill？一个好的 SKILL.md 应该包含什么、不应该包含什么？参考答案先搞清楚 Skill 的本质——它是写给 Agent 看的操作手册，不是写给人看的文档。Skill 的载体是一个 SKILL.md 文件加上可选的附带资源。Agent 加载 Skill 后，SKILL.md 的内容会注入到它的上下文中，指导它在特定场景下的行为。所以 Skill 开发的核心问题是：怎么用最少的 token 传递最准确的行为指令。一个好的 SKILL.md 应该包含：1. 触发条件...

好久之前面的了，今天想起来发一下面经一面问开源1. mcp 网关是怎么做的2. 限流是怎么实现的3. 模型的可观测是怎么实现的，具体有哪些指标4. 这个DSL的序列化是怎么做的5. 多租户是怎么实现的，物理隔离还是逻辑隔离八股1. 分布式理论2. HTTP2和HTTP1的区别实习主要靠打了agent 多轮对话的长期记忆和短期记忆，问的比较深并且延伸问了 KV Cache 的一些知识手撕：手写一个支持多租户的限流器二面八股1. JVM分区2. 垃圾回收算法3. Spring AOP的原理实习这里拷打了很多，但不知道为什么，一直说我们实现的方案不合理agentic rag 工具调用的讨论从记忆到 kvcache，引出了一个场景题，如果多轮对话中a没有命中kvcache缓存，后面的b，c可以命中吗？agent分层架构怎么解决长链路的token溢出的还有一些开源和实习的问题有点忘了手撕 LRU总体感觉二面体验有点差，不过也问出来很多简历上的问题

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你在去部署或者训练预训练或者后训练的模型时，有没有用过一些比较底层的一些训练的调试的工具，比如说千卡的话很容易就会出NCCL timeout，如果出现 NCCL timeout，一般怎么定位和解决？3.像那种rl里面的那个MOE之类的那种的优化有去做过吗4.看您的训练经验比较丰富，而且您上线运行的推理内容之前也进行过一些什么样的优化吗？5.有没有做过 kernel级别的优化？比如用 CUTE DSL或者手写 CUDA去做 fusion这类算子融合优化，介绍一下6像底层，如果你们在做.kernel fusion，倾向于用什么方式来做7.有没有哪次你做了 fusion 结果性能反而下降的？原因是什么8.平时写 CUDA的时候，有没有关注到底层实现细节？比如你刚提到 FA2，那再往下一层，像 Hopper架构里那个 warp specialization是什么，它底层大概是怎么实现的9.试过用 Agent去生成cuda内核么，怎么去做的10.如果我把 warp specialization 去掉，只保留 tile 和 shared memory 优化，大概会损失在哪？11.怎么么判断一个 MoE 模型是真的学到了分工，而不是只是把 dense模型拆开了12.在 RL + MoE 里，有没有遇到过 reward把 routing学坏的情况？就是模型为了拿 reward，全都走某几个 expert，这种情况你当时是怎么处理的