虾皮datainfra agent后端开发一面面经

突然来的面试，没有一点准备。。。这段时间一直往搜推那边复习的，408全忘光了，很痛苦，明知道很简单的问题就是回答不上来。没出结果但是包挂的，发个面经攒人品C++多态多态怎么实现C++虚函数介绍一下、虚函数列表介绍一下、什么时候用虚函数、什么函数不能是虚函数C++ vector和list区别C++存储模式数据库事务解释、ACIDMVCC数据库存储结构、B+树优势bin log、undo log、redo log有什么用介绍一下数据库的锁TCP三次握手、四次挥手、Close wait那几个状态接着问实习，感觉面试官对我实习内容不太有兴趣，于是问：实习体验怎么样，有没有觉得不合理的地方？有没有觉得工作太简单了不满意？有没有什么不好的地方有些实习生觉得实习没能达到自己预期，大材小用，你怎么看待这种现象？（我内心：何意味，难道认识我之前所在的组的同事来套话吗？感觉一直在引导负面方向）完全没问我项目，看来根本没什么兴趣，不懂为什么捞手撕：反转链表的改编，反转链表第left到第right个。（相当于反转局部）

现在在互联网上搜索AI Agent开发面经，你会得到五花八门的问题。他们从模型数据清洗到某个具体的框架使用细节，从真实案例到开发理论，似乎AI Agent 开发和我所认为的调一调API，写一写Prompt不太一样。 可，事实真的如此吗？ 澄清概念 在解决上述问题之前，我们先对齐一下认知。 职位边界 只谈开发岗位，我们说AI 开发岗位大概可以分为三个层级  基础设施层 模型开发层 应用开发层  基础设施层是大模型以及所有程序运行的底座，模型的计算管理，数据管理，服务，监控都归他们负责。这一类要求有架构能力，大模型与硬件线管知识，属于最硬核的。 模型开发层，比较陷阱。我最近买的一本书《实战AI到模...

给我面没招了，发点面经攒攒人品～1*当大模型产生错误回答或幻觉时，在工程和算法层面有哪些规避手段？2* 描述 Transformer Decoder 的完整解码流程。3* KL 散度的数学意义是什么？在模型对齐（如 PPO/DPO）中起什么作用？4* MoE架构的具体实现原理是什么？路由（Router）是如何工作的？5* 面对模型在生成过程中出现循环、重复回答的问题，有哪些解决办法？6* BM25 算法的数学原理是什么？它相比于简单的 TF-IDF 有哪些改进？7* Agent 系统中的LangGraph是如何搭建的？其 Memory 组件的工作机制是怎样的？8* 如果单次生成的任务量远大于模型的 Max Tokens 限制，如何实现断点继续生成？9* Transformer 中 Attention 的本质是什么？请从数学角度解释。10* 为什么在计算 Attention 时需要进行Scaling11* Self-Attention 和 Cross-Attention 在作用和输入来源上有什么区别？12* 面对极长序列Attention 的 O(L^2) 复杂度问题目前有哪些主流解决方案？13* 在 Agent 多轮对话任务中，Attention 机制的局限性体现在哪些方面？14* 为什么模型在长上下文对话中容易出现“信息遗忘”？有哪些缓解机制？15* 介绍 SFT的流程，以及如何构建高质量、多样化的数据集？16* 在什么业务场景下，必须引入 RLHF 或 DPO 这种偏好对齐技术？17* MinerU 在解析复杂的工业文档（如图文混排）时，具体的处理逻辑是怎样的？18* 在多模态检索中，文本和图片是如何映射到同一个统一向量空间的？19* Ragas 评测框架中的 Faithfulness 和 Answer Relevance 指标的具体计算逻辑是什么？20* 相比于 LangChain，LangGraph 在处理循环任务和状态管理上有哪些优势？21* LangGraph 的状态快照机制是如何实现任务回溯和持久化的？

手把手带你从零搭一个多 Agent 项目，并告诉你做完后能投哪些岗位、简历怎么写。  项目架构：先搞清楚你在做什么 用户输入主题 ↓ 🔍 研究员 Agent （联网搜索 + 整理资料） ↓ ✍️ 写作者 Agent （生成结构化文章） ↓ ✅ 审核者 Agent （检查质量 + 输出最终版） ↓ 输出：完整报告 / 文章  这是一个"自动内容生产系统"——输入一个话题，三个 Agent 分工协作，自动产出一篇完整的分析文章。这类系统在企业里已经在用了，你把它做出来就是一个真实的业务级项目。 第一步：环境准备 系统要求：Python 3.10+，有 OpenAI 或 Cla...