淘宝天猫集团实习生招聘

一、基本情况与项目背景1.请做一个简单自我介绍。2.你简历里的两段 AI 项目和字节实习经历，整体技术背景是什么？二、计算机基础3.顺序存储和链式存储有什么区别？在随机访问、遍历、插入删除上的效率分别如何？4.HTTPS 的加密原理是什么？对称加密和非对称加密有什么区别？为什么 HTTPS 要结合两者使用？5.高并发场景下，数据库性能可以从哪些方向优化？比如索引、分库分表、缓存分别适合解决什么问题？6.Redis 缓存穿透、缓存击穿分别是什么？一般怎么解决？三、RAG 与检索系统7.RAG 的完整流程是什么？从文档处理、分块、向量化、索引、检索、重排到生成答案，每一步分别做什么？8.混合检索一般包含哪些方式？向量检索和关键词检索分别适合什么场景？9.向量检索在哪些情况下表现不好？比如专业名词、日期、编号、精确字段为什么更适合关键词检索？10.如果 RAG 检索质量比较低，可能是什么原因？你会从 Query 改写、Embedding 模型、Top-k 召回、重排、关键词匹配等方面怎么优化？四、大模型生成参数与输出控制11.如果希望大模型输出更稳定、更确定，可以调整哪些参数？Temperature、Top-k、Top-p 分别有什么作用？12.除了调参数，提示词层面如何提高输出的准确性、确定性和可追溯性？五、LangChain / LangGraph 技术选型13.你的项目为什么选择 LangChain？14.LangChain 和 LangGraph 的区别是什么？什么场景下 LangGraph 更适合？六、Multi-Agent 架构设计15.你的多 Agent 系统是怎么设计的？主控 Agent、子 Agent、分析 Agent 分别负责什么？16.多 Agent 之间是如何协作的？任务编排、工具调用、状态管理和结果汇总是怎么做的？17.相比单 Agent，多 Agent 在上下文隔离、职责拆分、问题排查方面有什么优势？又会带来哪些复杂度？七、金融 Agent 的幻觉控制与冲突处理18.金融场景对准确性要求高，你做了哪些减少幻觉的设计？比如降低 Temperature、引用来源、无依据不输出等。19.如果实时新闻和知识库结论冲突，你会如何处理？如何根据用户意图判断该更信实时数据还是长期经验？20.系统里有行情数据、新闻数据、知识库数据等异构数据，你是如何分别处理的？如果要统一检索，会如何设计 metadata、过滤和重排策略？八、AI 交互系统与上下文管理21.你项目里的滑动窗口 / 类滑动窗口上下文管理是怎么做的？超过 token 限制时如何丢弃或保留历史？22.如果不想直接丢弃历史对话，如何通过摘要机制、长期记忆、短期记忆来优化上下文管理？23.子进程调用 AI 接口、主进程通过 JSON 通信这一套机制是怎么设计的？为什么不让主进程直接调用？24.如果子进程调用 AI 接口超时、崩溃或失败，主进程如何感知、重试、记录日志和停止重试？九、Agent 评估体系与后续优化25.你的 Agent 系统现在是怎么评估效果的？如果要做完整评估体系，会从人工评测、测试集、系统指标、RAG 指标、用户反馈哪些方面建设？26.如何评估工具调用成功率、接口超时率、运行成功率、检索召回率和回答质量？27.你的 Agent 后续有哪些优化方向？比如长短期记忆、用户画像、反馈闭环、动态调整子 Agent 权重等。28.为什么 Agent 的“自动自进化”比较难，仍然需要人工干预和质量评估？

其实不了解为什么一些技术面的面试官询问薪资范围呢，不应该是HR问的吗？？？之前有两次是人力外包，甲方技术面问了薪资；另外两次非外包问的，但是问薪资结构叫我问HR。对于这一种技术面问薪资的要怎么回答

一开始手撕了一个LFU-LRU混合缓存，然后撕了一半发现不太对，不知道如何处理相同频率的数据如何再根据LRU进行淘汰，最后也没有提示直接基于该手撕问了一些问题：1. 比如说你实现的这套是一个正常的版本，在多线程并发场景下，你觉得这套实现会有什么问题？2. 那对应的优化方案呢？要解决这个问题，你有什么思路？3. 锁怎么加？你刚说给 Key 加锁，大致来看锁具体怎么加？比如我们用的是个什么样的锁？4. 那当前这个缓存服务，比如说我最终要在实验室或者合作项目里把它变成一个可用的服务，这里面一定会涉及到物理瓶颈的问题，针对现在你所了解的、能解决缓存需求的解决方案，目前有哪些？5. 你有深入了解过 Redis 的大概系统架构吗？6. 它为什么能够胜任电商场景下的高并发需求？它有什么核心特点？（基于内存）7. 除了这个原因呢？（io多路复用）8. 那关于缓存击穿，你是怎么理解的？9. 那在你的理解和项目实践中，针对缓存击穿问题你是怎么解决的？10. 这里面我看你写到也尝试使用了 Lua 脚本，为什么这个场景会用 Lua 脚本？什么情况下用它，什么情况不用它？11. 我看你最新的项目还是和 AI 相关的，这块你可以讲一下你觉得有意思的部分吗？12. 以你当前的情况来看，你知识库的召回率是怎么判定的？比如你里面写了 80%，这个值是怎么来的？13. 这个占比是怎么判定的？比如你标记的正确答案是几条，召回是怎么召回的，麻烦讲得细一点，比如这个占比具体怎么算？14. 不是按单个 query 去分别判定的是吗？是根据整个召回的结果，比如每一个 query 你都会计算占比，然后把这些占比加合求平均，是这样吗？15. 其实你刚刚讲到了一些关键细节，比如分片、重排，你做分片的考量是什么？比如你当前的分片方式存在什么问题？可以怎么去优化？16. 有没有想过非 Markdown 格式的文档要怎么处理？17. 这里面你的索引选型是怎么考虑的？还是说因为你用了 Spring Cloud Alibaba 的框架，就直接用了它的默认构建方式？18. 这里面其实有几个细节，你的向量模型是怎么选的？还有向量维度，比如你定了 1024 维，包括模型版本、向量数据库选型，这些你有做相关的考量吗？19. 你刚刚其实有讲到关于上下文和 memory，你觉得在你的这个小的尝试里，当前默认提供给你的套件，在上下文和 memory 这块有什么问题？针对你遇到的问题，你有什么优化想法？20. 整个 Agent 的搭建，你一共花了多少时间？21. 我看你最开始介绍的研究方向是时空数据预测，更偏向理论研究，平时的工作主要是设计模型、训练测试，但你的项目又偏工程相关，你个人对于工程和理论研究，有比较确定的偏好吗？22. 比如在 Agent 这个项目里，你觉得比较感兴趣的工作是哪一块？

腾讯 csig腾讯云后台开发阿里云 技术服务专家选哪个呢 好纠结，🪿的部门据说压力很大，阿里那边的hr给我描述的对校招生很友好，转正率貌似也高一些，但对这个岗位不太了解