蚂蚁 AI应用开发 二面面经

暑期实习 | 时长：约65分钟
1. 个人基础情况介绍
2. 实习经历深度追问
3. 首个项目深挖：MinerU解析跨页表格时，保障表格语义完整的核心思路？简述Ragas评测框架；若Answer Relevance指标偏低，如何精准区分检索质量与模型能力的影响边界？
4. 第二个项目深究：LangGraph中State的定义逻辑与流转机制？当任务节点数量较多时，如何规避状态对象膨胀引发的内存溢出问题？长期记忆库层面，多轮对话信息提炼为结构化用户画像并入库的具体实现路径？
5. 文档切片策略：overlap参数的核心作用？如何权衡分片尺寸与上下文完整性之间的平衡关系？
6. 对GraphRAG的理解与应用认知
7. GraphRAG召回海量关联信息后，生成阶段如何借助自反思（Self-Reflection）或思维链（CoT）策略过滤检索噪声？
8. ReAct框架的核心原理，阐述其对复杂任务理解能力的提升逻辑
9. 模型调用工具出现参数幻觉、语法错误时，可采用的自动化修正手段有哪些？
10. Multi-Agent系统中心化编排模式的内涵，对比点对点架构的核心优势
11. Agent的Self-Reflection机制，说明其识别输出逻辑错误的底层原理
12. Agent长期记忆的设计思路与核心要点
13. 支付等高敏感操作场景下，Human-in-the-loop（人工介入）流程的设计原则与实现方式
14. 单一Skill模块的设计思路与核心逻辑
15. Skill与MCP的核心差异对比分析
16. OpenClaw对Agent本地文件系统操作、代码执行环境感知及权限增强的实现逻辑
17. 对Vibe Coding的理解，结合实际场景谈谈相关经验
18. 如何保障自然语言任务描述能精准转化为稳定、可靠的执行路径？
19. 上下文缓存的概念，说明其在处理Agent频繁读取的冗余系统指令时的核心价值
20. 反向提问环节
无算法手撕题
📳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。