美团大模型agent实习一面分享

1. 自我介绍自我介绍不要按时间线念简历，直接围绕岗位能力说。可以先用一句话说明自己主要做 Agent 应用、语音交互链路、工具调用编排和推理服务，然后挑两段最能体现深度的经历展开：一段讲系统设计，比如多 Agent 协作、上下文压缩、工具协议和评测闭环；另一段讲落地，比如低延迟 ASR 接入、意图识别、写作风格学习、线上指标和 bad case 修复。最后收在一个最近做得最深的点上，例如流式语音 Agent、MCP 工具治理、skill 路由或者多约束任务规划，让后面的追问自然落到自己准备过的区域。2 Agent 项目的架构设计如果从入口到结果回写完整讲一遍，应该覆盖哪些关键组件一条完整链路...

RAG与知识库构建● RAG知识库中存入的向量数据来源于哪里？● 你的文本分块（Chunking）具体是怎么做的？● 深度追问： 如果让你重新设计一个RAG系统，你了解哪些文档分块的最佳实践（比如单一窗口切多大合适）？● 深度追问： 如果采用“大分块+小分块”的父子结构策略，几万字文档的大分块具体要怎么切出来？● 深度追问： 采用固定大小切分时，如何避免语义被割裂？Agent记忆管理（短期与长期记忆）● 短期记忆是如何实现的？● 深度追问： 当对话达到设定的5轮并进行了一次压缩后，如果后续对话继续增加（第6、7、8轮...），你的系统是如何再次处理和压缩这些上下文的？● 长期记忆是如何实现的？● 深度追问： 选择在什么时机进行长期记忆的持久化保存？● 深度追问： 如果用户在同一个Session中聊了完全不同的多个话题，你在压缩总结并存入向量库之前，会如何设计提示词（Prompt）？为什么必须要做这一步总结提炼？● 深度追问： 长期记忆成功保存后，后续的具体使用场景和机制是什么？存储在哪里？系统架构与工程化挑战● 从前端到后端，你是如何准确判断和捕获Session关闭的触发时机（特别是用户直接关闭浏览器页面的情况）的？● 在执行长期记忆的持久化时，如何保证数据库写入一定成功（例如遇到报错、需要重试时如何处理以防止记忆丢失）？● 你的项目集成了哪些MCP（Model Context Protocol）工具？ELK和Prometheus是如何协同工作的？● 你的Agent是只能被动响应用户的提问，还是能做到主动发现异常并给出提示/解决方案？● 场景题： 如果抛给你一条执行非常慢的SQL语句，你的Agent从头到尾的分析和处理链路是怎样的？AI编程工具的日常实践● 平时写代码在用什么IDE和AI模型？● 使用Cursor时，有什么最佳实践能让生成的代码更加准确？● 深度追问： 开发前的需求分析是你自己做，还是借助AI来做？● 深度追问： 在让Cursor最终修改代码前，生成的代码是以什么样的“中间态”交给你进行Review的？● 深度追问： 使用Cursor时，有没有自定义过相关的规则文件（如 .cursorrules）？

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...

1.一道单例的代码题，先自己Code Review然后借助AI Code Review。2.TCP三次握手，为什么不是四次？3.TCP和UDP的区别？4.QUIC5.HTTPS的加密过程6.RSA是对称还是非对称？7.进程和线程的区别8.协程了解吗9.死锁的必要条件10.AI coding，一道python的题（本地ide）