20260416京东科技算法工程师实习岗位一面

1. 实习经历（15 min）2.聊聊你对agent和 workflow 的理解3.介绍一下你了解的 agent 架构4. mcp 与 function call 区别- function call 和 tool call 区别- agent 如何调用工具- 工具调用出现幻觉如何兜底。- 介绍一下工具限流这么做的5. 我们这边在做一个 code agent 如果是你你会如何设计架构-对于代码的检索你有什么好的方法（只答了RAG）-可是RAG只理解语义无法很好检索，还有什么方法（继续答 graph rag，实在不会了）-graph rag 是不是太重了？6.从 RAG 全链路方面详细的介绍一下 你做过的 RAG 项目- 是否测评过 如何测评的- 看你做了 向量缓存，介绍一下如何做的- 如何确保缓存一致性- 线上如何判断 回答应该注入缓存7.是否了解 open claw 你有没有使用过- 为什么没使用过（觉得不安全）- 那你觉得open claw 为什么火，从业务角度说说。8. 平时使用什么AI coding 工具无手撕。反问：1.业务2. 优缺点技术不错，缺少点业务思维，不过对于大学生来说已经不错了，进来工作可以练。

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...

感觉面完人都通透了，还是太菜了，下去沉淀一下1.实习拷打2.多头注意力，怎么发挥作用3.kvcache原理作用，为什么不cache q4.vllm深入，batch长度不一样怎么批处理，block不连续访问速度变慢怎么办?5.awg对比GPTQ等等6.awqgroup size怎么设置?做没做过测试校准对比?7.LoRA参数，挂在那些层8.python浅拷贝和深拷贝9.python闭包，装饰器，变量访问10.torch detached是做什么的11.训练时oom可能什么问题12.docker fle有写过吗13.docker启动如何加载自己的目录，环境变了怎么保留配置环境?14.gitrebase，merge，冲突怎么解决，改一半不想改了怎么办15.AIGC相关了解吗

1. 自我介绍2. 项目里怎么做意图识别，如何理解用户真正要解决的问题意图识别不是简单做文本分类，而是把用户输入转换成系统能执行的任务。比如用户问“这个供应商最近还能不能继续合作”，表面上是一个问答，实际上可能需要查询供应商资质、历史履约、黑名单、逾期付款、合同违约记录和采购金额变化。这里要识别的不只是意图标签，还包括业务对象、时间范围、风险类型和是否需要调用工具。工程上我会分成三层。第一层是规则和实体识别，先提取合同编号、供应商名称、采购单号、金额、日期这类强结构化槽位。第二层是模型意图分类，判断是合同审查、条款解释、供应商风险、付款异常还是流程咨询。第三层是置信度和兜底，如果置信度低，就让...