bilibili-AI研发-日常实习一面

一、实习内容二、项目1. 如果遇到工具调用失败或物理资源不满足的情况，agent会有一些兜底机制吗，例如重试、兜底、熔断，如果没有，需要设计的话会怎么设计？2. 正常来说，一个query进了RAG之后，整体的工作流程是怎样的？3. 在做改写跟扩写的时候，如果是多轮的对话，改写跟扩写有什么机制吗？4. 会把上下文都会传给这个改写的大模型节点吗？5. 如果只是单纯的做滑动窗口，当时为什么没有考虑做上下文压缩？6. 如果想要优化上下文压缩，觉得是前面前置轮次更重要还是后置轮次更重要？7. 记忆分层中，长期记忆跟短期记忆在agent中具体扮演什么功能？三、场景题相关问题1. 为金融客服场景设计一个RAG和加Agent的系统，从成本和性能综合考虑如何选择资源，例如模型选型、硬件资源，是否需要做一些后训练？2. 大语言模型的选型一般会怎么选，如果在金融业务场景里的话？3. 上线的agent服务在突然有一天关键业务用例开始返回错误答案，甚至可能影响线上服务，作为agent的负责人，会怎么定位问题，如何保障系统不受影响？4. 一般情况下什么操作会导致召回的东西有问题？5. 在真实业务当中，agent由开发或研发同学设计维护，业务基础知识由产品经理甚至产品运维维护，会如何考虑这种分工来保证不出召回问题？手撕：买卖股票1，2

发面经 攒人品面完后第二天挂1. 自我介绍2. 讲一下react和plan-excute-replan的使用场景3. 讲一下react和plan-excute-replan的区别（回答了几个面试官觉得不够又追问，不会了）4. 设计agent的时候怎么能在保证效果的前提下减少token消耗？（不会，随便蒙了几条）5. 思考一下有没有其他的方案，能够减少token消耗？（不会，蒙的是特定领域微调和后训练增强模型能力）6. function call、mcp、skill的区别？7.  skills和rules的区别？（不会）8.  大模型调参过程中经常调两个参数，一个是温度，一个是topK，你怎么理解这两个参数？（不会）9.  redis的hash大key怎么优化？10. redis的hash大key优化后怎么兼容老业务老数据？新业务怎么用优化后的缓存？老缓存删不删？11. 为什么业务实际应用中要避免使用threadlocal？（头一次听说要避免使用threadlocal，不会）12. 事务的特性13. 之前实习中最大的难点是什么？jdk用的什么版本？14. java创建一个对象，虚拟机会有哪些变化？JVM的内存会有哪些变化？15. 垃圾回收的触发条件16. TCP怎么保证数据包一定能到达？17. TCP拥塞控制怎么做的？（具体细节忘了）反问：1. 什么业务？- 业务安全中的内容安全相关，检测视频、音频、文字中的违法行为2. 具体涉及哪些工作？运维和开发占比怎么样？- 简单来说要负责所有事情的研发。大概20%运维。80%开发。大模型来了后之前所有的运维的同学全转开发了。

2.13 字节一面 过  3.2  字节二面 挂3.3 腾讯一面 挂   3.31 腾讯一面挂3.23 百度一面 挂3.27 美团一面挂   4.1 美团一面挂4.17 滴滴一面挂4.21 灵犀互娱一面挂4.22 云智一面 过  4.28 云智二面挂安克创新 携程 米哈游 网易互娱 拼多多 笔试挂B站发了两次笔试未约面两段实习，一段河南电信，一段百度不知道为什么面试这么难没招了

项目相关 1. Agent项目是否已上线？2. 是否使用LangChain等框架？3. 意图识别模块如何实现？4. 项目用到哪些工具？5. 如何提升工具调用准确率？6. 知识库如何搭建？7. RAG有哪些文本分块策略？8. 如何提升知识检索的回答准确率？9. 知识库如何解析表格、图片文件？10. 系统是否使用ReAct模式？11. 如何提升模型回答性能？12. 有哪些Prompt优化方法？大模型基础1. Token与字符的区别？2. 简述LangChain与LangGraph？3. 介绍Agent常见运行模式？4. 如何解决Lost in the middle问题？5. Prompt的基本组成结构？开发基础1. 线程池核心参数？2. 进程、线程、协程的区别？3. HashMap底层原理？算法1. 实现：除自身以外数组的乘积反问环节1. 部门C端核心业务功能？2. 业务中AI研发的落地方向？3. 对我面试表现的改进建议？