AI后台开发日常实习一面分享 字节

一、自我介绍请做一段简洁的个人技术自我介绍，重点介绍相关项目经历、核心技术栈与项目成果。二、项目相关技术提问一1. MinerU相较于传统OCR技术具备哪些核心优势？其版面解析准确率的提升，核心来源是什么？2. 在混合检索场景中，你是如何设置BM25检索与向量检索的融合权重的？3. 请详细讲解Ragas评测体系，以及你在项目中如何运用该工具完成效果评估。三、项目相关技术提问二1. 项目中选择使用LangGraph构建状态图的原因是什么？该框架相比其他方案有哪些适配点？2. 你在项目中如何定义Agent循环终止条件，以此避免其陷入逻辑死循环？3. 项目中的Agent安全护栏方案，采用的是关键词匹配策略，还是专门训练/调用的安全模型？如果调用模型，具体使用的是哪一款模型？四、Prompt工程相关提问1. 请分享你在项目中编写Prompt的通用思路、结构规范与优化技巧。2. 是否了解ToT（思维树）或GoT（思维图）技术？请对其核心原理、应用场景做简要讲解。五、Agent异常处理与记忆机制提问1. 若Agent工具调用出现超时、返回空值的异常情况，你会如何设计Prompt，让Agent向用户做出合理反馈？2. 请说明Agent架构中，短期记忆与长期记忆分别采用何种方式进行存储与管理？六、RAG技术深度提问1. 向量数据库已完成语义相似度计算，为何RAG流程中还需引入交叉编码器做二次重排？2. Rerank阶段的Top-k召回数量，你在项目中是如何确定的？3. 长文档处理时，切片粒度的选择依据是什么？你通常采用哪些切片策略？4. 如何评估Rerank模块的有效性？常用的评估指标有哪些？七、个人技术习惯提问平时是否有vibe coding的开发习惯？独立或参与完成过哪些技术项目？八、代码手撕完成一道基础算法编程题，题目难度适中，侧重基础逻辑与代码实现能力。九、反向提问📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 做一下自我介绍2. 讲一下你做的这个平台，重点说难点 解决了什么问题这个项目的核心不是“把文档喂给模型”，而是先把不同来源的材料转成可稳定检索、可引用、可更新的知识单元。整体架构一般包括文档接入、格式解析、结构抽取、分块与向量化、倒排索引、重排服务、回答生成和引用回填。我负责的部分主要是 chunk pipeline、索引写入和查询编排。难点主要在复杂文档结构，比如目录、页眉页脚、跨页表格、附件引用和条款层级，如果直接按长度切块，召回会很乱，模型也很容易把不同证据拼错。 def build_index(doc): blocks = parse_document(doc) chunks =...

团队base北京上海武汉，本次hc在北京上海，hc很多，P5-P9都招，部门氛围好，部门去年业绩很好，Java相关的都可以试试，感兴趣的私戳我。

最近大家都在简历里塞AI和Agent项目，但面试官拷打的重点早就不是你会不会调大模型API了，写篇避坑指南给大家参考。首先，核心拷打点绝对是“业务落地价值”，你做的这个AI功能到底是伪需求还是真提效？比如结合具体业务的自动化诊断，到底比传统规则引擎准多少、快多少？其次是工程架构能力，面试官会死磕你的上下文管理和长记忆怎么设计的，如果是做Agent应用，你的Prompt工程怎么迭代、向量检索召回率怎么优化、并发调度怎么处理的？第三个高频问题是“兜底机制”，大模型经常幻觉，你的系统在面对脏数据流或者复杂边界条件时，有没有降级策略？ 最后就是性能调优，流式输出的延迟怎么降下来的？很多朋友平时习惯了用...