整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 项目拷打2. 你们从 PRD 到 design.md 这一层，是怎么保证“需求不丢失”的？AI 自检具体是怎么做的，有没有误判的情况？3. 你刚才提到“需求-代码映射”，能不能举一个具体例子，说明你们是如何做到精确定位到某个文件甚至某一段逻辑的？4. 你们的 tasks.md 拆分粒度是怎么控制的？拆太细和拆太粗分别会带来什么问题？5. 在 Multi-Agent 协作中，状态是怎么传递的？是靠文件、内存还是某种中心化状态管理？6. 你们有没有遇到 Agent 之间“决策冲突”的情况？比如设计和代码生成不一致，是怎么解决的？7. 你们为什么选择“技术方案驱动”，而不是直接让 AI 从 PRD 出码？8. 你们 `.catpaw/rules` 这套知识库，和像 OpenClaw 这种基于 RAG 的 memory，有什么区别？9. 如果知识库内容过多，AI 也会有上下文压力，你们是怎么做裁剪或者命中的？10. 你们有没有做 embedding 检索？11. 如果知识库里的内容是错的或者过期了，会不会对 AI 产生误导？你们怎么治理这个问题？12. 在一个非常大的存量项目里（比如几十万行代码），你们是怎么让 AI 快速理解项目结构的？13. 你们现在 AI 出码留用率是 50%+，那剩下 50% 主要问题出在哪里？14. 在复杂业务场景下，AI 出码质量下降，你觉得是什么问题？15. AI 有没有出现过“看起来对，但其实逻辑是错的”这种情况？16. 你们有没有做过代码 diff 级别的控制，比如限制 AI 修改范围？17. 你们基于 Playwright 做自动化测试，那测试用例是怎么保证覆盖率的？有没有评估指标？18. AI 自动修复 bug 的成功率大概是多少？有没有出现过“修复引入新 bug”的情况？19. UI 偏差这种问题你们怎么检测？20. 如果测试通过了，但业务逻辑是错的，这一层你们怎么解决？21. 你刚才说整体效率提升 20%，这个数据是怎么统计的22. AI 代码量提升很多，那你怎么评估“有效代码”和“冗余代码”的比例？

发一下问题给大家参考，攒攒人品！1.项目拷打2.实习拷打3.检索融合的具体流程是什么？召回后有没有做 Rerank？4.Rerank 后返回几个块（Chunk）？有没有针对这个返回数量做过验证？5.Rerank 后的 TopK 截断是怎么做的？为什么是这个值？有没有其他截断方案？6.讲一下上下文工程（Context Engineering），Agent 的记忆（Memory）是怎么做的？7.请详细讲解分布式令牌桶限流的实现。8.漏桶算法（Leaky Bucket）的原理讲一下。9。滑动窗口算法限流讲一下。如果用代码实现，滑动窗口的结构体会包含哪些字段？10.滑动窗口和令牌桶相比有什么缺点？11.在 Redis 中，你会用什么数据结构来实现滑动窗口限流？12.LRU 缓存的实现原理讲一下。13.布隆过滤器（Bloom Filter）的底层原理和适用场景讲一下。14.MySQL 索引会在哪些情况下失效？15.在使用 LIKE 进行模糊查询时，索引什么情况下会失效？16.MySQL 的事务隔离级别有哪些？如何保证一致性？17.详细说说 MVCC 的实现，ReadView 的生成时机是怎样的？18.在不同的隔离级别下，一个事务分别会创造几个 ReadView？19.MySQL 都有哪些锁？它们的作用分别是什么？20.为什么选择 Python 和 Go 作为技术栈？在处理并发时有什么区别？21.手撕代码：实现反转链表

拷打实习 公司用到框架具体是什么技术栈实现的知道吗？ui自动化中有用到ai吗？ai怎么提效？接口测试接触的多吗？py协程怎么通信的websocket知道吗？心跳协议知道吗？伪代码是什么样？如果有一个抽奖功能，90保底，抽出一次大奖后10内不会再出大奖，怎么用脚本去测试？伪代码商店一个购买物品的接口怎么测试？（答的不好，紧张了好多方面忘记答了）王者荣耀怎么测试一个新英雄如果有一个活动是多个服务器镜像在一起pk，通过获得分数，最后看排行榜发放奖励，全流程怎么测试？如果活动过程中突然有一个服务器挂了怎么办？怎么对玩家得分去重测试？怎么保证写的测试用例的覆盖率高？评价看你刚刚说的用例设计还不是很全面，不够深公司福利还是不错的反问工作时间工作内容后续流程4.2 挂了

被横向挂了，希望发出来对大家有帮助！1.OCR的原理2.PPO DPO对比、各自的原理、简单手搓、各自优势及常见应用的情况3.Transformer Self-Attention的公式和手搓，Multi-Head原理4.RAG基本步骤5.SQL增删查改操作在几种常见情况下的时间复杂度，基础存储方式【Agent经历拷打】1.Agent在不同客户的需求情况下、分别选用什么模型。常见情况： 做知识图谱、Chatbot、辅助企业生成可视化的数据或报表、智能客服和商品推荐等2.是否增加了pre-run判断 用什么模型和实现方式3.如何判断选用单一稳健强大的模型 ，还是说用多个轻量、侧重和优势点不同的小模型 应用在整个pipeline的不同节点中