百度提前批智能体业务开发一面

感觉面完人都通透了，还是太菜了，下去沉淀一下1.实习项目相关问题2.介绍智能客服系统中你的负责部分、面临的问题及解决方案。3.如何解决大模型在客服场景中的幻觉问题？4.是每个场景对应多个 Agent？5.新架构是否存在泛化性损失问题？如何处理新活动规则等未见过的知识注入？6.Expert Agent 是以什么维度划分的？7.新架构的 AB 测试指标提升具体来自哪些模块？8.如何从线上真实对话构造Expert Agent 的 SFT 训练数据？9.Expert Agent 的 prompt 主要输入有哪些？模型输出是什么？10.Expert Agent 是否有预设工作流（workflow）和任务描述？11.Expert Agent 的评价指标（出商品率、商品正确率）具体如何定义和获取评测数据？12.智能客服 Chatbot 是否面临多轮对话中信息遗忘、流程偏离、回复机械感的问题？如何应对？13.如何优化多智能体系统（MAS）中各 Agent 的协作，避免局部优化但整体效果不佳？14.多智能体系统中如何设计奖励函数促进 Agent 协作而非竞争？八股1.什么是优势函数？2.PPO 中需要训练哪几个模型？3.PPO 中参考模型的作用是什么？4.什么是 Reward Hacking？有哪些缓解 / 优化方案？5.智能对话多轮场景中，attention 机制的局限性是什么？有哪些优化思路？手撕：排序K个升序链表

面完之后：按记忆把题串起来说 手里那份问题清单，是好几场面谈里碎片问题的合集。 单独看每一条都像八股，串在一起你会发现面试官的注意力一直在两条线上晃：一条是「这东西在线上会不会出事」，一条是「你知不知道自己在用什么、没用上什么」。 下面按我自己后来复盘时觉得顺的思路写——从项目怎么讲，一路滑到 LangGraph、记忆、agent 形态、工具协议、RAG，最后落到后端那几道「看起来基础、其实能问穿」的题。 你如果对某一块熟，可以快速扫小标题跳读。 从项目讲起：先别急着报框架名 几乎所有 agent 岗都会从项目开刀。我踩过的坑是开场三十秒就把 LangGraph、LangChain、某某向量库...

欢迎友好讨论，信息共享1.实习拷打2.做过什么项目介绍一下3.能讲一下RAG的原理吗？你在项目中是怎么用的？有什么好处？4.向量数据库的作用和原理能介绍一下吗？5.为什么要用多智能体架构？相比单智能体有什么优缺点？6.你手头上有哪个项目的代码，能不能展示一下？7.我看到你写用到了Zset，能给我讲一下怎么用的吗？8.消息队列在你项目中的作用是什么？9.多线程你项目中有用到吗？了解线程池吗能不能讲一下？10.JVM内存模型介绍一下？11.垃圾回收机制介绍一下？12.手撕：最长公共前缀

4、RDB AOF区别是什么5、aof写入是在命令之前，还是命令之后6、aof能保证数据的完全不丢失吗7、怎么保证aof完全的一致这里其实是一个设计，直接2pc就好了9、为什么要用C++写的Redis，不用go/Java来写呢10、go-redis存储大批量数据的时候，gc会总是扫描这种大对象，该怎么减少这种无意义的扫描呢11、缓存击穿、穿透、雪崩，怎么处理12、如何实现高可用的13、java,go的优缺点14、GMP介绍一下15、什么时候GM16、切片与数组的区别17、切片作为形参的时候，在方法内部修改会不会影响外部18、如果只是append，会影响外部的呢19、map的底层结构20、1.2...