moka二面面经

RAG与知识库构建
● RAG知识库中存入的向量数据来源于哪里？
● 你的文本分块（Chunking）具体是怎么做的？
● 深度追问： 如果让你重新设计一个RAG系统，你了解哪些文档分块的最佳实践（比如单一窗口切多大合适）？
● 深度追问： 如果采用“大分块+小分块”的父子结构策略，几万字文档的大分块具体要怎么切出来？
● 深度追问： 采用固定大小切分时，如何避免语义被割裂？

Agent记忆管理（短期与长期记忆）
● 短期记忆是如何实现的？
● 深度追问： 当对话达到设定的5轮并进行了一次压缩后，如果后续对话继续增加（第6、7、8轮...），你的系统是如何再次处理和压缩这些上下文的？
● 长期记忆是如何实现的？
● 深度追问： 选择在什么时机进行长期记忆的持久化保存？
● 深度追问： 如果用户在同一个Session中聊了完全不同的多个话题，你在压缩总结并存入向量库之前，会如何设计提示词（Prompt）？为什么必须要做这一步总结提炼？
● 深度追问： 长期记忆成功保存后，后续的具体使用场景和机制是什么？存储在哪里？

系统架构与工程化挑战
● 从前端到后端，你是如何准确判断和捕获Session关闭的触发时机（特别是用户直接关闭浏览器页面的情况）的？
● 在执行长期记忆的持久化时，如何保证数据库写入一定成功（例如遇到报错、需要重试时如何处理以防止记忆丢失）？
● 你的项目集成了哪些MCP（Model Context Protocol）工具？ELK和Prometheus是如何协同工作的？
● 你的Agent是只能被动响应用户的提问，还是能做到主动发现异常并给出提示/解决方案？
● 场景题： 如果抛给你一条执行非常慢的SQL语句，你的Agent从头到尾的分析和处理链路是怎样的？

AI编程工具的日常实践
● 平时写代码在用什么IDE和AI模型？
● 使用Cursor时，有什么最佳实践能让生成的代码更加准确？
● 深度追问： 开发前的需求分析是你自己做，还是借助AI来做？
● 深度追问： 在让Cursor最终修改代码前，生成的代码是以什么样的“中间态”交给你进行Review的？
● 深度追问： 使用Cursor时，有没有自定义过相关的规则文件（如 .cursorrules）？