蚂蚁大模型应用开发一面分享

发一下问题给大家参考，攒攒人品！1. 实习拷打2. 你现在还在实习吗？3. 说一下你实习时候的工作。4. 这几项工作都是你独立做的吗？你主要负责哪一个？5. RAG和传统搜索有什么区别？6. 为什么不直接用关键词检索？7. 举个例子，智能体和大模型怎么交互、协同？工作流程是什么？8. 检索这块你做过效果上的优化吗？9. 有具体的优化案例吗？从效果不好到变好的过程。10. 怎么保证积分可靠性，防止多扣/多增？11. 分布式锁原理大概是什么？12. SETNX 的功能是什么？13. 加锁后进程异常退出，锁泄露怎么办？14. 介绍一下 Spring AI 这个框架。15. 是用 workflow 方式搭建的 agent 吗？16. 用 Spring AI 写一个 agent 的过程大概是什么样的？17. 整个过程完全是大模型自己决策吗？18. 还接触过其他 Agent 开发框架吗？19. 进程和线程有什么区别？20. 线程之间哪些内存是共享的？21. CAS 是什么？22. ThreadLocal 有什么作用？原理是什么，怎么实现线程隔离？23. Kafka 分区的目的是什么？压力具体指什么？24. 实际自己搭建、使用过消息队列吗？25. 为什么选用 RocketMQ，而不是 Kafka？26. 延迟队列是怎么实现的？

Q1：prefix Decoder 和 causal Decoder 和 EncoderDecoder 区别是什么？答案：prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别在于 attention mask不同：Encoder-Decoder：在输入上采用双向注意力，对问题的编码理解更充分。适用任务：在偏理解的 NLP 任务上效果好。缺点：在长文本生成任务上效果差，训练效率低。causal Decoder：自回归语言模型，预训练和下游应用是完全一致的，严格遵守只有后面的token才能看到前面的token的规则。适用任务：文本生成任务效果好。...

感觉面完人都通透了，还是太菜了，下去沉淀一下1.redis和lua实现库存防超卖和一人一单，redis用lua的方式和使用2.redis本身的事务特性的方式的区别是什么？为什么不用redis本身的事务特性做防超卖？3.redis的set、get是原子性操作吗？用redis的set已经是原子性的了，为什么还需要使用lua脚本4.lua脚本过长会导致阻塞吗？5.怎么解决实际生产环境中防超卖导致的并发的吞吐量的问题呢？lua会阻塞，那怎么解决既要保证不重复下单又要保证吞吐量6.如果下单的时候，有一个单子在lua中判断秒杀资格卡了很长时间，其他人操作点都点不了 ,会出现这种情况吗7.如果lua脚本中某一步出错异常了会怎么办8.lua脚本写了哪些功能9.布隆过滤器是怎么拦截无效查询的10.volatile关键字作用11.Lock锁的实现原理12.AQS原理13.spring的AOP原理是什么？14.如果是分布式系统，怎么解决分布式系统的事务一致性15.如果用消息队列，如果有一条消息没有及时处理，可能是对堆积了也可能是消息发送给系统但是系统繁忙给丢弃了，你会怎么做16.如果服务器处理任务有上限，不能及时处理新的消息，从消费者来说应该做什么处理17.如果系统繁忙，支付消息丢失了，客户没付钱，但是订单创建成功了，应该怎么后续弥补18.如果lua脚本中有abc三步操作，如果a成功b失败，工程层面上来讲系统应该怎么设计，怎么保证系统的鲁棒性？19.生产环境中抢一笔订单，抢到了但是因为系统的问题内部要做abc三个操作，在做b的时候可能网络抖了一下导致b操作异常，这时候要让客户重新点击一次吗？20.智能客服，使用redis支持会话记忆，agent中会话记忆有几种记忆管理？21.向量数据库中怎么保证获取到的数据是尽量有效且准确的，而不是一些无用的数据22.用向量相似性完成rag召回一般用什么算法23.你了解skill吗？自己写过吗？24.有prompt，为什么引入skill处理25.Ai coding用过吗？ai coding现在有个spec coding,sdd的研发模式，这是一种什么样的概念26.你现在用的ai coding工具有哪些

如题，实话实说在我的开发中，回答很可能是“加上异常处理，设置最大重试次数，重试三次如果仍然失败就返回错误信息给用户。”你就说有没有毛病吧……这个思路虽然是工程的基本功，但它却是传统软件的错误处理模式。把这个模式直接搬到Agent上，虽然解决了部分简单的失败，但远远不够。零、为什么Agent的失败不同于传统软件？传统软件的失败是显性的，通常表现为接口超时、参数校验不通过或数据库连接失败等，这些都会抛出明确的异常，让你清楚地知道问题在哪里。而Agent系统的失败则是隐性的，尤其是像基于大语言模型（LLM）的系统。例如，LLM可能返回了一个格式正确、没有报错的JSON，但它可能选错了工具、传错了参数...