SHEIN｜AI应用开发专家｜南京深圳上海｜欢迎帮扩！

求兄弟们指导一下简历，一本本科，专业不行，跨考到电科的生物医学工程(去年都叫电子信息，生不逢时了😭)，科研做的都是医学信号算法设计之类的项目，但是由于算法要求太高，无奈只有转码，做了一个IM即时通讯的项目，还有一个AI应用开发的项目，麻烦兄弟们帮忙拷打一下简历

自我介绍项目介绍大模型夺命连环call关键词检索的算法 有什么rerank模型的架构rerank为什么慢长期记忆，短期记忆长期记忆需要保存什么东西长期记忆的压缩方案知识库构建 PDF数据是怎么解析的。 -- 用ocr和 VL模型 有没有调研过一些开源的库之类的OCR用的什么模型PDF中的表格和图片是怎么处理的。 -转成markdowmHTML是怎么解析的 有没有优化方案 BS4。 有调研过其他方案吗为什么要先embbding再rerank 你先rerank不行吗manus了解过manus，你能给我讲讲manus的技术特点嘛你怎么看出来manus是多智能体方案的如何不用多智能体方案给1000个t...

后端开发/AI工程实习生 - 技术一面面试问题速览1. 请做个自我介绍。2. （针对RAG项目）为什么选择用Elasticsearch来做存储？3. Elasticsearch和其它常规的向量数据库有什么不一样的地方？4. （针对AI Agent项目）整个Agent你是怎么去设计的？5. （针对多轮对话）持久对话是怎么实现的？6. 了解CAP理论吗？Redis属于哪一种？7. （针对分布式项目）怎么去选一个leader节点？（Raft协议）8. （针对后端项目）你这边用了一个RocketMQ，能简单说一说这种消息队列有什么用，具体用在什么场景？9. （个人情况）现在是开学到大三是吧？实习时间大概是多少？我的回答策略与复盘【针对问题】RAG项目中为何选择Elasticsearch？它和专用向量数据库有何不同？* 【回答策略】我主要从两个层面回答了这个问题：1. 工程实践角度：强调了基于已有技术栈和经验进行选型的务实考量。比如，我提到自己熟悉ES，且团队已有的ELK生态便于集成和运维，这展示了成本和效率意识。2. 技术特性角度：点出了ES的核心优势在于其综合搜索能力。我解释了它不仅支持向量搜索，还能利用其强大的倒排索引进行传统的关键词检索，这对于需要结合多种搜索方式的场景非常有利。* 【复盘与思考】* 亮点：面试官对我从工程实践角度出发的回答表示了认可，这表明在初创公司，务实和快速落地的能力很受重视。* 待优化：现在回想，我的回答应该优先强调技术优势。比如，可以更专业地指出ES的“混合搜索（Hybrid Search）”能力是其在RAG场景下相比Milvus等专用向量库的核心差异点和优势。先说技术核心，再说工程便利性，逻辑会更清晰。【针对问题】如何设计一个AI Agent？* 【回答策略】我将Agent的设计思路拆分成了两个核心部分：1. 核心大脑（LLM & Prompt Engineering）：讲解了如何通过精心设计的提示词工程（Prompt）来赋予Agent“专家角色”，并引导其进行多轮、有逻辑的提问，而不是一次性给出所有答案。2. 知识外挂（RAG）：详细说明了如何通过检索增强生成（RAG）技术为Agent挂载外部知识库，确保回答的专业性和准确性，避免模型幻觉。同时，我还提到了对原始数据（如PDF论文）进行清洗、切块和向量化的预处理流程。* 【复盘与思考】* 亮点：这个回答展示了系统性思维，将一个复杂问题拆解成了具体的技术模块，并且每个模块都有清晰的实现思路。特别是提到了数据预处理的细节，增加了回答的深度。* 待优化：可以进一步引入Tool Calling/Function Calling的概念，说明Agent如何调用外部API（如查询天气、数据库）来增强其能力，这样会让设计显得更完整和前沿。【针对问题】Raft协议的Leader选举过程是怎样的？* 【回答策略】因为这是我亲手实现过的项目，所以我非常有信心地按照时间线和状态机转换的逻辑，一步步地阐述了整个流程：1. 触发条件：从Follower收不到Leader的心跳超时开始讲起。2. 状态转换：描述节点如何将自己的term加一，并转变为Candidate状态。3. 选举过程：讲解Candidate如何向其他节点发起投票请求。4. 达成共识：强调需要获得超过半数的选票才能成为新的Leader。5. 新王登基：说明新Leader会立即发送心跳给所有Follower，以巩固自己的地位。* 【复盘与思考】* 亮点：这是本场面试回答得最好的问题。清晰的逻辑、准确的术语、自信的表达，强有力地证明了我的动手能力和对分布式协议的深刻理解。对于简历上的核心项目，一定要做到这个熟悉程度。【针对问题】消息队列（RocketMQ）用在什么场景，解决了什么问题？* 【回答策略】我没有泛泛地谈理论，而是直接用了一个项目中的具体场景——“大数据量异步导出”——来回答，遵循了经典的STAR原则：* （S）场景：用户请求导出大量数据，同步处理会导致页面长时间等待，甚至请求超时。* （T）任务：优化用户体验，同时避免后端服务因长时间重度计算而崩溃。* （A）行动：引入RocketMQ。Web服务接收到请求后，立即返回“处理中”的响应，并将导出任务作为一个消息扔进队列。后端有一个专门的消费服务去队列里取任务，慢慢处理。* （R）结果：实现了异步化，前端响应速度极快；同时起到了削峰填谷的作用，保护了后端服务，提升了系统的稳定性和吞吐量。* 【复盘与思考】* 亮点：用一个具体的业务故事来包装技术，非常有说服力。这展示了我不仅懂技术，更懂得如何用技术解决实际的业务痛点，这是面试中非常重要的加分项。

1.  请结合项目经验，谈谈在使用Java开发时，如何优化数据库查询性能。2.  请具体谈谈在项目中，是否对某些查询做过性能优化及其具体实现方式。3.  在项目中是否有使用过分布式数据库或相关设计经验，请具体谈谈。4.  请详细说明在中，Redis的具体应用及其为性能优化带来的提升。5.  在项目中是否使用过Kafka或其他消息队列系统，请分享一个具体的应用场景和实现细节。6.  请简要说明在项目中，如何通过Java优化多线程任务的执行效率。7.  在项目中是否使用过Spark或Flink等大数据处理引擎，请分享一个具体的实践案例。8.  在实际项目中是否有应用过大模型或AI Agent的实践，请具体说明应用场景和实现方式。9.  在项目中是否使用过Redis实现分布式锁，请具体说明实现流程和解决了哪些问题。10. 在参与的项目中，是否遇到过团队成员之间对技术选型或方案设计有分歧的情况，请说明如何处理。11. 在负责的项目中，是否遇到过性能瓶颈，请说明如何定位和解决这些性能问题。12. 在提到的项目中，是否使用过SpringBoot的分布式组件（如Nacos、Sentinel等），请具体说明它们是如何应用的。13. 在项目中是否有用到过分布式事务管理工具（如Seata），请分享具体的应用场景和解决方案。14. 请具体说明Redis的Pipeline操作在项目中的应用方式及其带来的性能提升。15. 在负责的项目中，如何设计容错机制来保障系统的高可用性，例如遇到某个模块的异常是如何处理的。16. 在项目中是否有使用过SQL查询优化技术，请分享一个具体的优化案例。17. 在项目中是否遇到过缓存穿透、雪崩或击穿的问题，请说明是如何解决的。18. 在项目中是否曾设计过数据批处理管道，请分享设计思路和实现细节。第一次ai面😶😶😶😶