腾讯金融科技后端二面（已挂）

一开始自我介绍，问我啥时候能实习。1.问agent和问答系统区别。问我如何评估这个agent系统。（感觉面试官对前沿真的比较了解，鼠鼠我啊按自己理解答）2.问实习的时候公司用的什么框架。3.问我有没有看过langchain底层代码（鼠鼠我在简历上也就写了了解agent）4.问lsmtree和b+树的区别。5.问我内存管理，咋避免碎片化（当时就说了堆栈，忘记说一次性分配大内存，然后用这个大内存分配小内存了）6.问我咋用cpp实现协程，说思路（鼠鼠我直接讲的gmp的思路，鼠鼠我也没写过这种项目，硬答的）7.问我如果协程太多用啥调度策略（鼠鼠想半天答了个时间分片）8.问我异步刷盘失败咋办（没懂他意思，当时应该说整个预写日志的）9.问我了解pagecache吗，我说我知道mmap里有用到，讲了一下mmap的逻辑问我pagecache如何实现异步刷盘的（太底层了吧）9.问我碰到问题咋排查的（鼠鼠实习用的日志，他问我有没有进容器里去看过，用啥命令，鼠鼠我啊没这方面经验）10.问我内存暴会不会影响，我说可能申请内存申请不到就会发生缺页置换，导致慢。11.问我平常关注什么社区。12.vector和slice区别13.你在使用这些标准库时有什么考量反问环节：技术栈，啥语言个人意见（需要成长的很多）这都是我回忆的，可能不全。

两个手撕，同时在线人数，一个是最大人数一个是时间点查询，我第一道有bug没调试出来，第二道讲思路面试官没听懂，寄了。看来我与腾讯有缘无分。

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了

一面（3.19）：感觉是个高职位的面试官，各种场景题给我拷打麻了，本来以为稳挂，结果8天后海底捞约了个当晚的二面。二面（3.27）：周五晚上七点，双面试官，感觉面试官都有点想休假了，问题感觉是随便问问，轻松拿捏，当晚直接进hr面试评估中。周一上午收到周三hr面邮件，周一下午五点收到云证hr面（4.1）：全程hr面主导，都没让我自我介绍，hr说云证提前发可能是之前的面试官发的，还说最快这周出结果，最慢下周出结果，如果录取的话就不发oc了，直接发offer，面完十分钟进录取评估。4.1晚上已offer