快手 ai后端开发 一面 面经分享

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花一、核心定义：什么是Redis虚拟节点Redis虚拟节点是分布式一致性哈希算法中的逻辑分片单元，并非独立的Redis物理实例，而是真实Redis节点在哈希环上的“虚拟复制品”。简单来说，就是把一台真实的Redis服务器，拆分成多个互不重叠的逻辑节点，均匀散布在哈希环上，实现数据的精细化分片。在Redis Cluster集群模式中，虚拟节点有一个专属名称——哈希槽（Slot），集群默认划分16384个哈希槽，每个真实主节点会负责一部分槽位，这是Redis虚拟节点最典型的落地实现...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.介绍实习2.怎么对多场景 / 多 context 的 agent 进行拆分的？3.你刚才说到虽然对用户来说是在一个对话窗口内，但在你们看来前后诉求其实是不同业务，所以你们拆了多agent。那如果还是一个 agent、上下文和知识库也保持一个 agent，它是会记不住吗？还是为什么一定要拆？4.你们怎么判断该调哪一个 agent？代码具体是怎么实现的？5.你们这个 LLM 是有多个可以选的吗？还是统一用某家公司的模型，或者自己搭建的？6.同样的问题、同样的用例去测试过不同LLM模型吗？7.你用了 Redis 做缓存，这个具体是用在什么地方？是在知识库 / tool 之类的场景吗？8.假如没有这个热点数据缓存，那这些数据会去哪里取？9.但按我理解，这种链路里哪怕数据库慢一点，比如 100ms 和 10ms 或 1ms 的区别，好像也未必特别大，你怎么看？10.你自己当时有过这种疑问吗？就是这套方案里到底需不需要上缓存？11.假如没有缓存，或者缓存失效时还是要查数据库；而数据库又特别慢的话，你会想到哪些优化措施？如果数据量真的特别大。12.如果做分库分表，通常只能按一个维度分，比如用户 ID。那假如我还要支持一些低频、但会按其他字段组合查询的场景，你会怎么设计？13.我举个例子，比如订单表按订单 ID 分表，但后台页面可能要按创建时间、订单状态、店铺 ID 去查，这种低频但多条件查询的场景，你会怎么做？手撕：三数之和

1. 自我介绍2. vector 的底层实现原理是什么？扩容时发生了什么？答：vector 本质是一块连续的堆内存，维护三个指针：指向数据起始位置、指向当前末尾、指向分配内存的末尾，分别对应 size 和 capacity。扩容过程：当 size == capacity 时，继续 push_back 会触发扩容申请一块新的更大的内存（通常是原来的 1.5 倍或 2 倍，不同实现不同）把原来的元素全部移动（或复制）到新内存释放旧内存更新内部指针关键点：扩容后所有迭代器、指针、引用全部失效，因为底层内存地址变了扩容是 O(n) 操作，但均摊下来每次 push_back 是 O(1)如果提前知道大小...

牛友们一定要好好保重身体。今天是我25岁生日，前两天检查出五类结节了，现在在等活检的结果，但不出意外，可能是要甲ai了。我前后想了很多，但又不敢想太多，因为可能又会加重。首先，我要找很多资料，找哪里主刀医生会更好，找哪里复查会更好，全都是褒贬不一，所以最后定了如果要马上手术还是回家手术吧，起码三线城市床位比广州多。其次，终身吃药这个问题，我想了很久，觉得还是痛苦的，因为我不是一个天天都能记得吃这些的人，以后可能需要更在乎自己的身体了。还有很多需要我自己去思考的问题，比如工作怎么办，怎么请假，已经很累了，但这些只能靠我自己做，家里人只剩下妈妈，她什么也不会。以及其他之后的事情，吃药发胖、没法考公考编考研、母单没朋友、工作怎么办、、、都来不及想了。。。所以保重好身体很重要。。。