滴滴 AI应用开发二面 日常实习 1h

继续来分享下最近的面经~1.离线数据处理咋做的？训练数据接入规范？2.阶段模型效果验证咋做？3.失败样本回流有做吗？4.断点重训咋做？5.交叉熵和KL散度区别？6.LangGraph/LangChain区别？状态快照机制了解吗？7.RAG八股略8.手撕二叉树中序

1. 请做一个简短的自我介绍2. 在你的项目里，挑一个技术难度大点介绍一下3. 你平时工作中用过哪些 AI 编程工具4. 对 Python 掌握如何？在你的实际使用里主要承担什么角色5. 对协程了解吗如果面试官保留“协程”这个点，其实完全可以只从 Python 角度展开。你可以说协程适合 I/O 密集场景，比如异步调用多个外部工具、并发请求检索服务、批量处理模型请求、流式返回等。协程不是让 CPU 计算变快，而是提高等待 I/O 时的资源利用率。在 Agent 场景里，协程比较适合做并发检索、多工具并发探测、异步日志上报、流式 token 处理这些事情。如果继续深入，可以提一下 asyncio...

发一下问题给大家参考，攒攒人品！1. 如何实现多 Agent 协作系统？2. 什么是 RAG（Retrieval Augmented Generation）？3. Java 如何实现 streaming response？4. 什么是 hallucination（幻觉）？为什么会发生？5. LangChain4j 如何返回结构化 JSON？6. 如何实现 SSE 推送？7. 如何评估 Agent 的执行效果？8. LLM 服务如何做缓存？9. LangChain4j 如何实现 Tool 调用？10. 什么是 AI Agent？11. 什么是 Prompt Engineering？12. Agent 和普通 ChatBot 有什么区别？13. RAG latency 怎么优化？14. Java 调用 OpenAI API 如何设计 SDK？15. RAG pipeline 的完整流程是什么？16. RAG 系统主要组件有哪些？17. 如何设计一个 AI 问答系统架构？18. RAG 如何做 rerank？19. AI系统如何做监控？20. embedding 和向量相似度搜索是什么？21. 什么是 ChatMemory？22. Java LLM 服务如何做连接池管理？23. 如何评估 RAG 系统效果？24. Agent memory 有哪些类型？25. 如何实现对话历史 memory？26. Transformer 架构核心原理是什么？27. 如何减少大模型 hallucination？28. LLM API 如何设计接口？29. chunk size 为什么很重要？如何选择？30. 如何实现 hybrid search（向量 + keyword）？31. 什么是 ReAct Agent？32. Spring AI 和 LangChain4j 有什么区别？33. 什么是 Tool Calling？34. embedding 模型如何选择？35. AI Chat 系统的整体架构是什么？36. 文档切分有哪些策略？37. LLM 服务如何做限流？38. LangChain4j 如何实现 prompt template？39. ChatGPT 的 system / user / assistant role 有什么作用？40. LLM 为什么推理成本高？41. AI系统如何记录 Prompt 和 Response？42. Agent 如何做任务规划（planning）？43. LLM latency 如何优化？44. 如何设计 Prompt 管理系统？45. streaming response 如何实现？46. MCP（Model Context Protocol）是什么？47. Agent workflow 和普通 workflow 有什么区别？48. 大模型上下文窗口是什么？如何突破长度限制？

现在市面上关于 AI Agent（智能体） 的讨论越来越多，但大多停留在概念层面：自主思考、任务拆解、多智能体协同…… 听起来很高大上，却很少有人告诉你：AI Agent 的本质，到底是什么？对于开发者来说，与其听一堆虚无缥缈的名词，不如亲手写一个。今天我们不聊复杂理论，不套 LangChain、LlamaIndex 等框架，直接扒开 AI Agent 最底层的运行逻辑。仅用不到 200 行 Python 代码，从零手搓一个完整可运行的极简 Agent，逐行拆解核心模块，新手复制粘贴就能直接跑通。最终你到手的这个 Agent，具备四大核心能力：短期记忆对话：维护上下文，让无状态的 LLM 记住...