快手大模型应用二面 攒人品

现在市面上已经有各种各样的AI工具和应用，从写作助手到代码生成，从图像识别到智能对话，技术形态越来越丰富。我认为在这样的环境下入门AI，应该关注大模型这一核心方向，因为很多应用背后都依赖大模型技术。了解大模型的原理和应用逻辑，有助于更好地理解整个AI生态的发展趋势。AI真的发展的太快了。

整体面试还是不错的，但是没后续了，不知道是哪里出了问题项目1. 简单介绍一下这个系统的知识库问答架构，从文档入库到最后回答的完整链路是怎样的？2. 向量检索用的是什么索引类型？3. 在召回之后有没有做重排（Rerank）之类的操作？4. 你知识库的准确率和召回率是怎么评估的？5. Spring AI Alibaba 的 Function Calling 是怎么实现的？模型如何决定调用哪个工具？6. 如果工具调用失败了，你们设计了什么处理机制？7. Execute Plan 模式具体是怎么实现的？8. 平时哪种模型用的比较多？9. 平时编码时会用哪些模型？10. 在选择向量数据库时，有没有看过其他的（如 ES、Milvus 以外的选择）？它们之间的区别你大概有概念吗？11. 在写 Prompt的时候，你有哪些实践经验或设计原则？12. Graph Rag / Agentic Rag了解过吗13. 在秒杀下单中，Lua 脚本具体做了什么？为什么要用 Lua，而不是分开执行多条指令？14. 这个项目你自己做过压测吗？15. 对系统能扛住的流量（QPS）有没有具体的概念？16. 对于什么时候该上缓存、什么时候该上本地缓存，你大概的概念是什么Java 基础1. 线程池的核心参数有哪些？2. 线程池内部的具体工作流程是怎样的？3. 核心线程数和最大线程数一般怎么确定/计算？场景题1. 你觉得目前 RAG（检索增强生成）最大的瓶颈是什么？2. 假设要给电商平台搭建一个百万/千万级的商品知识库问答系统，你会怎么设计？3. 针对商品信息（如价格、描述）可能被商家动态更新的情况，你的知识库设计需要考虑什么？手撕：二叉树的层序遍历

1、自我介绍2、实习中搭建智能体是为了解决什么样子的问题3、搭建的过程中，你是怎么设计的我在设计智能体的时候，不会把它做成一个完全自由发挥的黑盒，而是尽量让它处于“有限自主”的状态。整体上我会拆成几个模块：输入理解、任务规划、工具路由、执行器、状态管理和结果汇总。输入理解负责把用户请求转换成更清晰的任务表示；任务规划决定当前问题要不要拆步骤，以及每一步的执行顺序；工具路由负责选择检索、分类、规则引擎或者外部接口；执行器负责真正调用；状态管理负责记录中间过程，避免模型每次都只靠上下文硬记；最后再由汇总模块把过程结果整理成最终输出。设计时我比较看重两个点。一个是工具边界要清楚，不能让模型既决定任务...

求助，九本，学的Java开发，然后进的是软件开发岗。本来说让我选偏业务的和偏ai的。但是我选了之后，又把我分到做ai相关了。然后看了看，估计就是Java项目中的一个类似agent的东西。包括些工作流，rag什么的。有人由和我说后端的别碰ai和agent，有些人又说现在agent应用开发蛮火的。是用心做这个实习内容还是去“学习”项目呢，整个项目我有权限看。