太牛逼了百度如流，面试45分钟掉10次

3.26下午面的，问了问项目，redis基本数据类型，布隆过滤器原理，rocketmq如何避免丢失，幂等什么的，如何压测KPI面吧，面试官不开摄像头，听见对面办公室的喧闹声音，大概40多min手撕快排，自己在本地IDEA写，如流屏幕共享反问，建议我换一个ai项目

自我介绍实习是否遇到过大量连接建立导致服务端压力很高的线上问题，你们是短连接还是 TCP 长连接A 系统 QPS 2k，单机需要承受多少 QPSC 系统 详细说一下稳定性治理的整个过程；主从同步的时间是多少Checkpoint 回溯机制是如何做的如果做核心数据流，如何解决 Checkpoint 回溯导致重复消费的问题；如果用事务提交两个点之间的数据，可能带来什么问题项目使用 Canal 监听 Binlog 实现最终一致性，是如何做的RabbitMQ 一定能保证消息不重复，不漏发，以及一定能消费到吗Canal 重复向 MQ 发送数据，如何解决八股缓存雪崩、击穿、穿透分别是什么MySQL 有哪几种...

一、自我介绍与项目深挖做一下自我介绍。简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？结合实习或项目，做细节追问（工作流、职责、决策、挑战等）。二、Agent 与提示工程相关提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？上下文是如何构建的？你们怎么避免上下文过长或信息污染？如果上下文窗口不够，你会优先保留哪些信息？为什么？三、代码理解与单测生成（工程场景）做代码理解时，AST、调用关系这些信息是怎么用起来的？单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？覆盖率高但测试质量很差，你见过吗？你们是如何解决的？mock 在单测里什么时候是必须的？什么时候反而会带来问题？如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？四、LLM 基础与 Transformer 细节LLM 的输入到底是什么？模型真正看到的内容包含哪些？self-attention 的核心作用是什么？为什么要拆成 Q、K、V？为什么 attention 能建模长距离关系？为什么需要 multi-head？attention 为什么可以看成动态加权？同一个 token 的 Q、K、V 为什么不相同？attention 复杂度很高，当上下文特别长时，你会怎么优化？模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？五、后端与系统基础Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？讲一下 C++ 从源码到可执行文件的完整编译流程。六、算法题（手撕）给定一个数组 nums，计算所有子数组的中位数之和。定义：如果子数组长度为奇数：中位数 = 排序后中间的数。如果为偶数：中位数 = 排序后靠左的那个数。要求：计算所有子数组的中位数之和。

1. Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选传统 workflow 的核心是路径预定义，系统知道每一步做什么、怎么流转、失败后怎么回退，所以它更适合规则清晰、链路稳定、审计要求高的场景。Agent 的核心则是把部分决策权交给模型，让它在运行时决定下一步查什么、调什么工具、如何分解任务，因此更适合任务开放、输入噪声大、解法不唯一的场景。真正的分界线不在“有没有模型”，而在“是否允许运行时规划”。如果目标是工单分类、审批流转、固定字段抽取，workflow 往往更稳；如果目标是复杂排障、代码仓库理解、跨工具探索式分析，Agent 才更有价值...