虾皮datainfra agent后端开发一面面经

1. 介绍某实习公司中负责的关键词命中系统、文档提取系统具备的有特点的功能2. 基于AC自动机构建违禁词匹配的查询结构，在实际应用中是如何实现的3. 某实习公司技术栈中是否考虑过Hive、Spark这类大数据链路的应用4. 关键词命中系统优化的核心目的是否为提升查询性能，具体优化思路是什么5. Redis在关键词命中系统增量更新环节的使用方式，是否存在大key、大value问题6. 说明Redis出现大key、大value（如一个key对应几MB的value）时会引发的问题7. 关键词命中系统中Redis采用订阅发布方式监听时，多key场景下的轮询、监听该如何处理8. 关键词命中系统中处理emoji表情包存储时，涉及的Mysql存储引擎相关知识9. 关键词命中系统中emoji表情包的匹配为何需要用到AC自动机，大批量数据场景下AC自动机的应用逻辑10. 某实习公司中做Mysql治理的具体收获，展开说明相关优化手段11. 介绍某项目中AI相关的实践内容，以及对React agent、Multi agent技术栈的理解和应用12. 某笔记管理网站前后端技术栈的选型思路13. 腾讯云MCP的具体功能，以及其内部提供的工具能力有哪些14. 说明MCP、skill、function call三个概念的区别和相关性15. function call在RAG知识库中的业务逻辑实现细节16. skill在被agent使用后是否会占用上下文，其设计的核心优势是什么17. 开发agent时使用的框架和开发语言分别是什么18. 若要让大模型实现类似cloud code、cursor的编程工具功能，具体该如何实现19. Multi agent中plan的设计思路，以及在实际场景中的应用方式20. agent在长任务执行后上下文接近阈值时，采用何种机制做上下文的压缩21. 开发agent过程中，上下文管理有哪些具体的方式，该如何匹配对应的agent使用场景

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秒杀库存扣减（Redis原子预扣 + 本地消息表/事务消息 + MySQL最终一致）的核心风险及防控方案该方案是秒杀场景下库存扣减的最优实现路径，可有效平衡高并发处理性能与数据一致性需求。在实际生产落地过程中，受秒杀场景超高并发特性、网络波动、系统异常等多重因素影响，系统仍面临高并发场景下的技术层面风险及业务数据一致性风险。本文将严格按照「风险发生阶段+影响程度」的逻辑拆解各类风险，针对每类风险提供可落地、可校验的防控措施，兼顾技术可行性与业务实用性，确保方案能够有效抵御秒杀...

发面经攒人品中～1．实习的项目背景是什么？2．实习的项目比传统匹配方式有什么优势？3．若项目中模型执行不成功，会如何处理？4．若用户量大幅增长，实习的项目相关系统能否应对，瓶颈是什么？5．你平时会使用大模型处理哪些任务，觉得大模型在哪些任务上处理得好，哪些任务处理得不好？6．你做的另一个项目的核心目标和整体架构是什么？7．长期记忆相关设计还有哪些可优化的点？8．Agent领域的发展趋势是什么？9．若代码生成成本越来越低，工程师的核心竞争力会发生什么变化？10.平时会通过哪些渠道关注 AI 技术动态？11.最近有没有遇到印象深刻的 AI 应用？

Java后端开发二面题目（完整版）1. 说说Spring Boot的自动装配原理是如何实现的？答案：核心机制：@SpringBootApplication包含三个注解@EnableAutoConfiguration触发自动装配@Import(AutoConfigurationImportSelector.class)导入配置装配流程：读取META-INF/spring.factories文件加载所有EnableAutoConfiguration配置类根据@Conditional条件注解过滤将符合条件的Bean注册到容器常见条件注解：@ConditionalOnClass：类路径存在某个类@Co...