关于腾讯二面多久出结果

1.实习拷打2.研发过程为什么会想到用ai，出发点是什么3.底层用了哪个大模型，为什么用它4.知识库问答的流程是怎么样的，比如分为哪几个部分，每个部分要做些什么5.如何评估rag召回的效果6.怎么优化召回的7.bm25是怎么检索的8.查询改写是怎么做的9.最终给大模型的输入提示词是怎么构建的10.整个问答系统还有没有可优化的方向，或者下一步的计划11. 用过redis吗，了解哪些数据类型12. 底层实现有研究过吗13. redis他的应用场景有哪些14. redis的key是怎么淘汰的，他的策略15. 不同的应用场景下，淘汰策略有没有什么区别或者应该选用什么淘汰策略16.redis如何实现高可用17.主从，哨兵，cluster，这几种集群架构有什么区别18.数据分片原理是什么，为什么要分片19.http和https的区别20.https的交互过程是什么样的21.听说quic协议吗22.hot100原题打家劫舍

7、你们redis用的是哪里的集群版8、Redis 主备机制是怎么实现的呢？9、Redis 选主机制10、Pulsar 有哪些集群的实现版本？11、Redis 的 ZSet 详细说说，再说说插入、查找的过程15、CAP 理论说一说，然后什么场景、中间件用什么？16、OpenClaw (OpenHands/Agent) 的底层实现机制17、Agent 的 Memory 机制有了解吗？18、Redis 慢查询怎么排查？19、MySQL 一致性的实现是怎么做的呢？20、MySQL 是怎么保证数据不丢，怎么保证数据不错的呢？21、Undo Log, Binlog, Redo Log 的作用22、事务的...

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了

做技术面试官这些年，筛选简历时见过太多光鲜亮丽的背景，却也常常被一些“不起眼”的细节打动。今天想分享的这个面试案例，核心很简单：一位候选人，算法题发挥失误没写对，但我从一开始就因为他的开源项目决定面试他，最终也因为这个项目，给他高分通过，也想借这个案例，跟正在求职的应届生聊聊，什么才是面试中真正的加分项。每天筛选几十份简历，大多是名校背景、大厂实习加持的应届生，难免会审美疲劳。直到看到这位硕士候选人的简历，没有亮眼的第一学历，也没有大厂实习经历，项目经历也只有一个Linux相关的开源项目，但就是这个项目，让我瞬间停下了滑动鼠标的手——这个开源项目，其实并不是什么高大上的生产力工具，只是个安卓手...