快手Agent开发面筋

本人技术栈主要是Python+Go，之前有两段后端实习经历
一面
一开始面试官就围着我之前的实习项目问，问得还挺细的：
当时做项目的时候，为什么要引入父子索引？还有BM25，引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有做rerank操作？
如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？
rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？
让我讲一下上下文工程，还有记忆功能是怎么实现的。
除了AI相关的项目，还问了我之前做的后端实习项目，都是一些项目里的细节问题。
分布式令牌桶限流、漏桶限流，还有滑动窗口算法限流，这三个都让我讲一下。尤其问了滑动窗口的数据结构会包含哪些字段，滑动窗口对比令牌桶有什么缺点，还有用Redis的什么数据结构能实现滑动窗口。
又绕回我自己做的项目，让我讲一下LRU的原理和实现。
布隆过滤器的原理、应用场景，也让我详细说一下。
MySQL索引失效的情况，这块我八股好久没看了，只想起来两个，被面试官追问了好久，有点没答好。
面试官还补问了一句，like查询会不会导致索引失效。
MySQL的事务隔离级别，还有一致性相关的内容，让我讲清楚。
MVCC这块问得特别细，反复追问，还举了具体场景，问这种情况下会创建几个readview，我当时琢磨了半天，尽量把自己知道的都讲了。
最后还问了MySQL的锁相关知识，行锁、表锁这些都涉及到了。
手撕代码环节，我跟面试官坦诚说，最近一直在实习，好久没刷过题了，然后面试官就出了一道反转链表，不算特别难，慢慢理清楚思路就做出来了。

二面
跟一面不一样，二面全程没涉及后端相关的问题，全是AI agent和RAG相关的，而且大部分都围绕我之前做的RAG项目展开，问得特别深入。
首先问我，做RAG项目的时候，是怎么评测效果的？有哪些评测维度，具体用到了哪些指标？
然后问项目里的数据集包含什么内容，数据来源、数据格式这些都问到了。
如果让我对RAG的相关度和回答效果做优化，我有什么思路？有没有更体系化的优化方案，而不是零散的调整。
面试官还举了个具体场景，比如有一千条数据，需要做求和处理，让我说说这种数据处理场景，我会怎么设计实现。
RAG的性能怎么提升，有没有实际的优化思路，不管是工程层面还是算法层面。
我项目里的上下文是怎么处理的，有没有什么优化的方向，比如上下文过长、冗余这些问题怎么解决。
agent的长记忆和短记忆之间，怎么做到协同工作的，两者的衔接逻辑是什么。
最后问我，有什么思路能让自己做的agent更智能？这个问题我感觉太宽泛了，当时没太get到面试官具体想了解什么，就主要围绕我工程开发中遇到的实际问题，讲了一些针对性的优化思路。
手撕代码环节，出的是全排列，这个之前刷过类似的，思路比较清晰，顺利做出来了。
感觉面试官比较爱问的AI问题就是RAG 的全链路优化、Agent、减少幻觉 #面试官最爱问的 AI 问题是......#