腾讯后台Agent开发一面分享-实习面经

面试很难，还是要多多练习1.手撕 合并k个升序链表2.Treenode定义为class treenode{Strng int }那么一个节点占的内存空间是多少3.讲一下进程和线程的区别4.你说进程切换开销比线程切换开销大，那你讲一下为什么进程切换比线程切换开销大5.那你知道进程中的上下文是什么吗，他做的什么操作6.上下文切换的时候操作系统都做了什么操作7.讲一下tcp和udp的区别8.那tcp就一定比udp慢吗9.那什么情况下tcp不会比udp慢10.文件传输用的什么协议11.你下载文件的时候tcp很慢吗12.那tcp是根据硬带宽而且设置滑动窗口吗13.那为什么下载文件的时候有时候慢有时候快14.那如果说在Java中，我在服务端写一个死循环一直传输一字节的数据，而在客户端中也写了死循环接受数据，循环里面每次新生成一个buffer read，是四字节的，会出现什么情况？15.用过ai去辅助编程吗16.用什么ai17.你怎么用ai做项目的，全部交给ai生成还是每次只提一部分的需求18.你怎么保证ai写的代码是正确的

1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...

一、项目深挖主 Agent 循环Mem0 记忆系统RAG 实现细节幻觉控制二、技术视野有没有了解过 Agentic RAG 或 LM-VK（主动式 RAG）这类方案？追问：它和你现在这套 RAG 的核心区别是什么？三、开放性问题：智能客服场景设计跳出健康问诊场景——在外卖平台的智能客服里（B端商户、C端用户、D端骑手），你觉得用 RAG 还是其他方式更合适？你会怎么设计？面试官给了场景背景：C 端典型问题：餐品问题、找不到地址、申请赔偿、优惠券使用等D 端典型问题：派单异常、长时间无单等面试官后续补充观点：非订单类问题（如优惠券）更适合知识库；订单类问题业务流程复杂，目前用 skill 方式而非知识库。四、模型训练项目（医疗大模型 SFT + DPO）简单介绍一下这个项目？训练目标是什么？SFT 数据是怎么构建的？DPO 的 chosen / reject 数据是怎么生成的？遇到了什么问题？评测方法是什么？有什么局限性？追问：这个项目和上面的 Agent 项目是什么关系，为什么要做这两个？五、工具使用经验你用 Claude Code 做 Agent 开发，有什么心得？遇到过什么问题？追问：你了解 Claude（Code）的底层记忆原理吗？六、算法题题目：删除链表的倒数第 k 个节点考察点：双指针结果：思路正确（快慢指针），未能完整写出代码

本篇文章汇集了我在北京三年的租房踩坑经验，找实习或者校招入职的小伙伴可以看一下。提前找房子的时间如果是找中介一般提前三五天或者一周左右就可以了。如果是自己找，那一般要提前一周左右就得开始看，从网上看或者找转租等等。找房子渠道自如链家等：这种属于大厂下来做租房生意，好处是有保障不会被坑的很厉害，有大问题可以直接去平台投诉。缺点只有一个那就是比较贵，想稳定那就得多给钱。小某书：小某书或者某音等等也可以找到一些资源，但是分为两种，一种是中介在上面放的房源，另外一种就是真实的转租。中介：中介的好处就是房源很多，你想找哪里的房子直接多加几个中介就行了然后房子的价格也不会太贵，因为选择多可以根据自己的情况...