腾讯 AI应用开发面经

1. 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历2. Flutter 的核心原理是什么，如果不从 Widget 开始讲，你会怎么讲Flutter 真正的核心不是 Widget，而是它自带了一整套渲染体系。它绕过了各平台原生控件树，直接基于 Skia 或 Impeller 进行绘制，上层通过 Widget、Element、RenderObject 三棵树来描述配置、生命周期和布局绘制职责。Widget 是声明式配置，Element 负责把配置和实例关系稳定下来，RenderObject 才是真正参与 layout、paint、hitTest 的对象。这样做的好处是跨平台一致性很...

给我面没招了，发点面经攒攒人品～1.项目拷打2.你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这个是怎么去设计两者的结合逻辑的？然后混合策略的话具体是如何去提升检索效果的？3.RAG支持 PDF 扫描件和 OCR，然后还有表格结构化的提取，然后在这过程中有没有遇到什么技术难点？4.识别准确率怎么样？5.这个多智能体系统设计里面，然后它的这个 State 管理和Checkpoint分配机制的具体实现方式是什么？怎么去解决对话执行中的状态竞争问题呢？6.怎么样实现 State 全局管理？7.将Choice 接口封装为MCP工具的时候，怎么去设计一个标准化接口？然后遇到有没有遇到过一些兼容性的挑战？8.举了项目里的一个例子，问我出参入参是怎么去定义的？9.大模型在调用这个工具的时候，比如说有 MCP 之前，它的调用的处理流程是什么样子的？10.或者说 MCP 它有哪些缺点或者挑战呢？11.提供的这个 MCP 的结果它是流式的吗？12.这个多agent项目是主子agent的项目吗？13.其中一个功能，然后它的 token 就是一次会话 token 大概有多少？有没有超过上限？14.模型用的哪个？我答Qwen，问我Qwen具体哪个版本15.在子任务过程中啊，如果它的某个子任务失败，比如说数据获取为空，它的这个整个工作流是怎么去重试或者是降级处理的？16.在实现这个流式输出实现的时候，比如说后端用了 FastAPI 和 SSE 来实现中间结果的实时流式输出。然后在这个 Langchain 这种基于图的状态机框架中，是怎么捕获每个 node 的执行结果，然后推送到前端的？17.LangGraph 和Langchain 为什么选择了 LangGraph 没有选择简单的那个 Langchain 呢？18.Checkpoint 的持久化19.对话之后重新连接的话，是怎么能够恢复到之前的那个状态呢？20.对话持久化的话，是存储到哪里的？是存储到内存里面，还是存到硬盘上面去的？21.关于 RAG 的，向量数据库在选择建索引的时候是用了哪种向量数据库？为什么？22.这里面你提到了 RRF 重排序，然后有没有引入什么模型进行精排？

1. 做一下自我介绍2. 讲一下你做的这个平台，重点说难点 解决了什么问题这个项目的核心不是“把文档喂给模型”，而是先把不同来源的材料转成可稳定检索、可引用、可更新的知识单元。整体架构一般包括文档接入、格式解析、结构抽取、分块与向量化、倒排索引、重排服务、回答生成和引用回填。我负责的部分主要是 chunk pipeline、索引写入和查询编排。难点主要在复杂文档结构，比如目录、页眉页脚、跨页表格、附件引用和条款层级，如果直接按长度切块，召回会很乱，模型也很容易把不同证据拼错。 def build_index(doc): blocks = parse_document(doc) chunks =...

今年好多岗位都要求ai开发了   也多出来很多agent岗位   是不是去小厂做agent开发多参与好点   还是应该继续进大厂呢我怕进大厂实习只能做简单任务  秋招到时候还是不好找  但也怕去小厂秋招时没认可度有学长学姐或者有经验的可以讲一讲吗