小红书Ai agent算法一面 攒人品

🕐面试时间：35min❓面试问题：一上来就是学习中有什么困难，是怎么解决的。问第一个项目的流程，为什么要用到这个模式redis，caffine，数据库如何保持数据一致性（给了一个场景，100台服务器，热点数据刚好同时过期怎么办，这时候来一大批数据数据库扛不住怎么办）实习过程中的任务，困难。反问 无八股，无手撕

Agentic AI 技术栈- 各种工具和框架，涵盖了部署与基础设施、模型训练、基础模型、编排框架、向量数据库、嵌入模型、数据检查与提取以及记忆与上下文管理等方面1.  部署与基础设施：Grok、AWS、together.ai、baseten、Modal、Fireworks AI、Replicate 等。2.  模型训练与监控：LangSmith、mlflow、Weights & Biases、ragas、deepchecks、Fairlearn 等。3.  基础模型：Claude 3.7 Sonnet、Mistral AI、Cohere、Gemini 2.5 Pro、LLaMA 4、Grok 等。4.  编排框架：LangChain、DSPY、Microsoft、AutoGen、dify、Ray 等。5.  向量数据库：Milvus、drant、redis、pgvector、Chroma、Pinecone、Weaviate 等。6.  嵌入模型：Voyage AI、OpenAI、spaCy、Vector Flow、Cohere、Hugging Face 等。7.  数据检查与提取：Scrapy、Docling、Beautifulsoup、DIFFBOT、Apache Tika、Firecrawl 等。8.  记忆与上下文管理：Letta、memoMap、zeplo、LangChain、Llamaindex、Chroma 等

1、项目里负责的边界是什么？哪些内容是亲手实现或验证的？我负责的边界一般分成四块：Agent 主链路、RAG 检索链路、工具调用层和效果评测。主链路包括 query 理解、路由、上下文构造、结果生成；RAG 这块包括文档清洗、切片、召回、重排和 prompt 拼接；工具调用层包括 function schema 定义、参数校验、执行封装和失败重试；评测这块包括 badcase 回流、离线测试集和线上日志分析。亲手实现的部分主要是在线链路和评测闭环，比如 query 改写、混合检索、rerank 接入、上下文压缩、工具调用编排、token 统计、失败样本分析。验证过的内容包括不同 chunk 策...

辅导员突然一个个来查，没招了。