淘天暑期AI产品一面凉经分享

一、基本情况与项目背景1.请做一个简单自我介绍。2.你简历里的两段 AI 项目和字节实习经历，整体技术背景是什么？二、计算机基础3.顺序存储和链式存储有什么区别？在随机访问、遍历、插入删除上的效率分别如何？4.HTTPS 的加密原理是什么？对称加密和非对称加密有什么区别？为什么 HTTPS 要结合两者使用？5.高并发场景下，数据库性能可以从哪些方向优化？比如索引、分库分表、缓存分别适合解决什么问题？6.Redis 缓存穿透、缓存击穿分别是什么？一般怎么解决？三、RAG 与检索系统7.RAG 的完整流程是什么？从文档处理、分块、向量化、索引、检索、重排到生成答案，每一步分别做什么？8.混合检索一般包含哪些方式？向量检索和关键词检索分别适合什么场景？9.向量检索在哪些情况下表现不好？比如专业名词、日期、编号、精确字段为什么更适合关键词检索？10.如果 RAG 检索质量比较低，可能是什么原因？你会从 Query 改写、Embedding 模型、Top-k 召回、重排、关键词匹配等方面怎么优化？四、大模型生成参数与输出控制11.如果希望大模型输出更稳定、更确定，可以调整哪些参数？Temperature、Top-k、Top-p 分别有什么作用？12.除了调参数，提示词层面如何提高输出的准确性、确定性和可追溯性？五、LangChain / LangGraph 技术选型13.你的项目为什么选择 LangChain？14.LangChain 和 LangGraph 的区别是什么？什么场景下 LangGraph 更适合？六、Multi-Agent 架构设计15.你的多 Agent 系统是怎么设计的？主控 Agent、子 Agent、分析 Agent 分别负责什么？16.多 Agent 之间是如何协作的？任务编排、工具调用、状态管理和结果汇总是怎么做的？17.相比单 Agent，多 Agent 在上下文隔离、职责拆分、问题排查方面有什么优势？又会带来哪些复杂度？七、金融 Agent 的幻觉控制与冲突处理18.金融场景对准确性要求高，你做了哪些减少幻觉的设计？比如降低 Temperature、引用来源、无依据不输出等。19.如果实时新闻和知识库结论冲突，你会如何处理？如何根据用户意图判断该更信实时数据还是长期经验？20.系统里有行情数据、新闻数据、知识库数据等异构数据，你是如何分别处理的？如果要统一检索，会如何设计 metadata、过滤和重排策略？八、AI 交互系统与上下文管理21.你项目里的滑动窗口 / 类滑动窗口上下文管理是怎么做的？超过 token 限制时如何丢弃或保留历史？22.如果不想直接丢弃历史对话，如何通过摘要机制、长期记忆、短期记忆来优化上下文管理？23.子进程调用 AI 接口、主进程通过 JSON 通信这一套机制是怎么设计的？为什么不让主进程直接调用？24.如果子进程调用 AI 接口超时、崩溃或失败，主进程如何感知、重试、记录日志和停止重试？九、Agent 评估体系与后续优化25.你的 Agent 系统现在是怎么评估效果的？如果要做完整评估体系，会从人工评测、测试集、系统指标、RAG 指标、用户反馈哪些方面建设？26.如何评估工具调用成功率、接口超时率、运行成功率、检索召回率和回答质量？27.你的 Agent 后续有哪些优化方向？比如长短期记忆、用户画像、反馈闭环、动态调整子 Agent 权重等。28.为什么 Agent 的“自动自进化”比较难，仍然需要人工干预和质量评估？

继续来分享下最近的面经~欢迎友好讨论，信息共享1.实习拷打2.有没有召回的准确率之类的过程指标3.评测机制是怎么构建的，评测集是怎么构建的4.人工标注的话，大概多少条呢5.你说召回率75%，那剩下的25%是什么原因呢6.第二段实习你做过多Agent的设计是吗？讲一下单Agent和多Agent的差异7.调研过程中，对一些任务编排有了解过吗8.RAG的原理如何理解9.你的prompt提示词模板怎么管理的10.每次更新有没有版本的概念11.第一段实习中的自研大模型，有没有和别的通用大模型作对比12.你们最终衡量这个项目的结果时，用什么指标衡量的13.LocalLife是你自己做的项目吗，说一下其中的function Calling完整的工作流14.如果用户的询问中命中了两个函数，那系统调用的逻辑是怎样的15.定义了几个function供大模型调用，如何设计的16.会不会出现不同function之间，描述有歧义或冲突17.function Calling和Agent的区别18.如果将你的LocalLife升级成一个Agent的体系结构，你觉得还要做哪些事19.举一个用AI编程工具完成的比较复杂的一个开发任务20.对AI代码的审查你用的是开源框架还是什么方式21.利用AI进行的模块设计中，有用到一些设计模式之类的吗22.单Agent和多Agent的使用场景23.电商场景下，会涉及到商品的图文分类，那么你会如何设计这样一个自动分类的系统24.用秒杀场景类似的思路，对Agent的很多接口调用，做一个接口限流如果要控制成本，对不同的大模型，也需要做一个差异化限流（比如轻量模型和重量模型的切换等），你有怎么样考虑思路25.秒杀场景的不超卖用的什么方案26.Agent中的长期记忆和短期记忆你是如何理解的

面试很难，还是要多多练习1.Agent项目，有没有调研过市面上其他的Agent搭建框架2.如果Agent项目用openclaw搭建会怎么样3.Agent执行细节，大模型会调用哪些工具，如何测试agent搭的好不好4.Agent prompt动态上下文如何加载用过openclaw吗，skill是做什么的5.Claude code用的多吗，项目中多少内容是ai写的6.Claude code源码研究过吗，Agent项目如何升级到Claude code这种级别7.Claude code的skill、agent有了解吗，Spring AI8.阿里巴巴渐进式有了解吗9.多agent问题，优势是什么

offer帮选offer选择（是想对得起人生了，bg双非本2硕 计算机）如何选择offer，时间非常紧offer 1：上银 金融科技 base （可能在苏州）待遇正和网传一样，第一年总包1.6×12第二年固定部分只占比25%，其余全靠绩效，如offershow 比较中肯。福利是没有，年假是按国家标准来的。具体工作是8.30-5.，但是银行嘛 ，都understand。offer 2: 阿里巴巴 （杭州）下面的小N，细说容易被开盒子，业务比较具体容易被开盒子，base为白菜价码（不必多说，我是菜狗，但肯定＞上银，但是互联网的钱烫手）。日常我感觉是99，只要干的完活儿双休应该还是存在的。年假也是国家标准。犹豫点：1. 担心银行是真科技也是真狠活；2. 上银的薪资差强人意，绩效吓人 3.女友在苏州 但是我女友的家在杭州附近 我想以后我俩至少要有一个人离家近，随意base地我觉得都无所谓； 4.互联网的钱我拿的真有点烫手  5.ai codong发展迅猛（ali是数据开发，上银是应用开发），ai冲击这俩真是随便杀adding：未来咋样我也不知道，数据开发冷门已经不好跳，我准备入职誓死效命ali，但是ali不一定需要我。上银同样，以后都是银行线，但是银行业未来估计是办卡拉钱主流。如果上银是上海我立马收手，上海还是太哈人了。如果可以，留下一个理由，万分感谢，各位撑伞的前辈们