京东笔试全A后被秒挂-第一次挂简历

给我面没招了，发点面经攒攒人品～1. 实习拷打2. 项目拷打3. 你的检索是否基于向量实现，搭建完整的 RAG 系统会涉及哪些核心部分？4. RAG 项目的文档上传和分块是怎么实现的？5. 向量检索召回的单次耗时是多久，有没有用到Rerank模型？6. 你如何评估检索召回内容与用户问题的匹配度，有没有做相关的效果评估？7. 你对 Agent 的理解是什么，它包含哪些核心模块？8. 是否了解 Agent 的设计范式，例如ReAct 范式？9. 你的 Agent 循环一般多少步可以完成任务，有没有出现过达到最大步数仍无法完成的情况？10. 你的 Agent 目前接入了哪些工具？11. 你是如何约定并约束大模型进行工具调用的？12. 你的项目推流是否使用 SSE？13. 你的 Agent 编排流程中有没有做 Plan 阶段？14. 从协议层面，介绍 SSE、WebSocket 与 HTTP 的区别和关联？15. 项目为什么限制每个用户只能上传单个文件？16. 项目的图像识别如何实现的，为什么不用多模态大模型，而选择传统的识别模型？17. 你的项目中用到了哪些大语言模型？18. 请介绍 Go 语言的并发和其他语言并发的区别？19. Goroutine 是什么，请介绍一下它的核心原理？20. 你对锁的理解是什么，锁是解决什么问题的？21. 日常开发中用哪种锁更多，还了解哪些后台开发常用的锁？22. 多机器、多进程场景下会涉及到哪些锁，是否了解分布式锁？23. 你对 MCP、Function Call、A2A 分别是怎么理解的？24. 你的项目接入了哪些 MCP 服务？有没有本地手写过 MCP 服务？25. 你日常开发会借助哪些 AI 工具？26. 使用这些工具的心得以及是否有写过相关的 command/skill？27. Claude Code 的实现原理？28. 是否了解OpenClaw以及了解它的实现原理？

1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

1. 基础概念（示例）什么是AI Agent？核心组件有哪些？Agent与传统LLM应用的区别？记忆管理有哪些类型？2. 核心框架与机制ReAct 框架工具调用（Function Calling）3. 任务规划与多Agent协作4. 场景设计（设计一个 xxx Agent）5. 如何保证安全性6. 如何测试和评估Agent效果等等

引言"我的简历上没有 Agent 相关的实习经历怎么办？"这是校招季被问得最多的问题之一。答案很简单——开源项目就是你的实习。而且某种意义上比实习更有价值：实习经历面试官只能听你描述，开源贡献面试官能直接看你的代码。但"用开源项目丰富简历"不等于"把项目 clone 下来跑一遍然后写上去"。面试官 5 秒钟就能分辨"跟着 README 跑了一遍"和"真正理解并贡献了"的区别。以下分三部分：推荐哪些项目值得投入、怎么参与才能真正产出简历亮点、怎么把开源经历写进简历。第一部分：值得投入的开源 Age...