华为主管面挂

继续来分享下之前的面经~欢迎友好讨论1.项目拷打2.代码题：数组中仅一个元素出现一次，其余均出现两次，要求线性时间、常数空间复杂度3.介绍实习经历4.Mcp server的构建方式。5.大模型调用Mcp工具的完整流程。6.工具多导致token数过多的解决办法。7.上下文管理的实现方式。8.如何判断当前对话与历史对话有无关。9.上下文过长时的处理方法。10.介绍了解的强化学习内容11.分享一个最有挑战的经历

说实话，这道题放在以前，我的反应都是：不就是向量数据库加个大模型吗？但我也清楚，如果真这么答，基本等于告诉我只会调API。真正的生产级RAG是一套精密的工程系统。今天把它拆成四个模块，帮你建立一套完整的面试作答框架。模块一：数据清洗与离线索引垃圾进，垃圾出。原始数据里混着乱码和格式错乱的PDF，模型不可能检索得准。语义分块是第一个优化点。过去按固定字符数切分（比如500字一段），经常把一句话拦腰截断，语义全丢。现在要根据标题、段落结构甚至用模型来判断断点，保证每个分块语义完整。进阶策略是父子块检索：把文档切成小碎块用于检索（精度高），但喂给模型时把它所在的父块一并带上（上下文全）。小块检索准，...

华为AI软开实习面试难度大吗，会问些啥

其实这个面试过程很难写，但是我觉得从这次面试中我学到了很多。我之所以说难写，是因为在一面几乎没有八股文相关的考察，而是更侧重于和我探讨一个他们工作场景上一个工作流程的实现。我认为设计一个场景确实比背诵什么rag，langgraph要难得多。问了关于我的项目，他们都是为了解决什么问题？然后我为什么用这个结构(rag，langgraph)？如果让我优化，你认为还有哪些可以优化的点。二面在一个小时候得到确认第二天二面是主管面，主管问的问题还算比较常规，问了一丁点大模型相关八股，然后就是正常的问简历，问技能，然后问场景，最后是问薪资之类的。我的局促反应和比较单薄的简历这次没有支撑我走下去。我谈谈我从这次面试中学到了哪些经验首先，JD未必是最关键的，因为大模型领域的技能和框架就那么些，几乎所有岗位的应用岗JD都大同小异。我认为比较重要的是这个岗位所在的公司，或者说所在的部门。我做的关于新闻验证的agent几乎被很多中小公司拒了个遍，但是莫名其妙的快速得到字节的面试(虽然并不算特别好的岗位)，可能就是因为业务上的对口。由此引申我的第二点灵感，就是对简历的工程化解耦。其实就是看菜下碟。可以多观察热门的，需求多的岗位都是在哪些部门的，这些部门需要ai来帮他们干什么任务，我能不能设计一个这样的项目来帮助他们。设计好基本的项目框架就可以去拿dify试试效果，然后丰富架构，再去作为自己的一个储备，然后组合出多种匹配特定岗位的大模型项目。第三应该就是我太没自信了吧，我讲话有点畏畏缩缩的，然后讲得还有点慢。希望我能改改。