pdd

pdd笔试是全a了,但手撕很差劲啊

3.29 一面

面试官人真的非常好,看我紧张还强调说暂时不看我了

自我介绍

然后上来先是一个算法题,大概是easy难度,是树上距离大于固定值的所有路径

其实思路到敲代码大概15分钟,然后因为忘了怎么克隆list,对着面试官傻乐了15分钟

然后给我补充上怎么解决,安慰我说给我提交了,对个7788

之后就是八股+项目

1.介绍rpc

2.每次请求是创建一个新连接吗,如何保证长连接存活,什么时候断开连接,客户端宕机怎么办

3.如果客户端请求完后挂了,服务端处理请求过程中,客户端恢复又重新发相同请求有什么结果,服务端有什么问题

4.然后是服务器返回响应,中间被路由器丢了,客户端重试请求,服务端怎么操作

我想当时想一下,面试官看没时间就下一个了

5.看你了解挺多设计模式啊,你了解哪个(我说有的熟悉)

好,那我随机选一个,就工厂模式吧

666,正好没看工厂模式,又傻笑了开始

6.好吧,我看你用过mq,消息队列,消息队列是解决什么问题

7.擅长哪些技术栈,高并发还是多线程还是什么(我说我说不好,可以问问,面试官说那就是都擅长)

8.nacos作为注册中心来发现服务,为什么是要发现服务

然后反问了

1.问评价,没想到真认真告诉我了,说今天面了一半,我算是表现不错的了(有点难绷,上午都是什么牛魔)

2.业务问题,虽然一面并不是最终部门,但我还是想问问,因为不知道聊点啥

3.pdd挂了还有机会吗

结束了,当时心都碎了,感觉好不容易不是kpi,答得稀碎
#pdd暑期实习#
全部评论
手撕要处理输入输出吗
点赞 回复 分享
发布于 2025-04-18 18:33 浙江
还是面试中吗
点赞 回复 分享
发布于 2025-04-18 15:01 美国

相关推荐

🌟首先提升Agent 质量:1️⃣Prompt Engineering 是被低估的核心技能。 Agent 的 system prompt 和 tool description 的写法直接决定了 LLM 的决策质量。一个精心设计的 tool description,可以让 LLM 在 90% 的情况下正确选择工具;一个随手写的,可能只有 60%。这个差距不是换框架能弥补的。2️⃣Evaluation 是最容易被忽视的环节。 Agent 的行为具有不确定性,同样的输入可能产生不同的执行路径和结果。你需要一套 evaluation 体系来衡量 Agent 在什么条件下表现好、什么条件下会翻车。没有 eval 的 Agent 开发就是在盲人摸象。3️⃣上下文工程(Context Engineering)正在取代 Prompt Engineering 成为新的关键词。 它关注的是一个更大的问题:在 Agent 的每一步决策中,如何精准地组装出最有利于 LLM 做出正确判断的上下文?哪些信息该放进去,哪些该丢掉,以什么格式组织,这些决策比你选哪个框架重要一百倍。4️⃣用户体验设计不可忽略。 Agent 不是对每个任务都能完美完成的。如何让用户理解 Agent 在做什么、如何设置合理的预期、如何在 Agent 失败时优雅地降级——这些产品层面的思考往往比技术实现更难。🌟分阶段的选型策略1️⃣入门期:拿框架快速上手。选最流行的框架,跑通第一个 demo。目标不是做出好产品,而是理解 Agent 的基本工作原理。用框架的好处是屏蔽底层细节,专注于理解"ReAct 循环"这个核心概念。2️⃣进阶期:脱离框架理解本质。自己用纯 API 调用手写一个最小的 Agent。用 openai 或 anthropic 的官方 SDK,50 行代码写一个能调工具的 ReAct 循环。这个练习会让你彻底明白框架帮你做了什么、没做什么。3️⃣生产期:用框架的方式要利于拆除。如果你继续用框架,把它当作一个 LLM 调用的便利层来用,不要在它的 Agent 抽象上构建核心逻辑。如果你选择不用框架,直接用官方 SDK + 自己封装的薄层,也完全可行。代码量不会比用框架多太多,但可控性高出几个量级。⭕最后框架选型是一个"入口问题"——刚入门时你会觉得它很重要,深入之后你会意识到它只是一个起点。Agent 开发的真正挑战在于:理解 LLM 的能力边界,设计合理的任务分解策略,构建鲁棒的执行和容错机制,以及在不确定性中找到产品价值。这些事情,没有任何框架能替你想清楚。Agent 的灵魂不在框架里,在你对问题的理解里。📳对于想求职算法岗的同学,如果想参加高质量项目辅导,提升面试能力,欢迎后台联系。
点赞 评论 收藏
分享
点赞 评论 收藏
分享
评论
8
17
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务