网易互娱agent开发一面，是不是kpi面了

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.拷打实习3.拷打第一个项目：MinerU解析过程中如果遇到跨页表格，如何保证表格语义的完整性？讲一下Ragas评测？如果Answer Relevance得分低，如何判断是检索质量问题还是模型能力问题？4.拷打第二个项目：LangGraph中的State是如何定义和流转的？如果任务节点非常多，如何防止状态对象过大导致内存溢出？你的长期记忆库如何将多轮对话中的信息提炼成结构化的用户画像存到向量库？5.文档切片时，overlap的作用是什么？如何平衡分片大小与上下文完整性？6.了解GraphRAG吗？介绍一下7.当GraphRAG召回大量关联信息后，如何用自反思或CoT在生成阶段过滤掉检索噪声？8.讲一下ReAct的原理，为什么能提升模型对复杂任务的理解能力？9.如果模型在调用工具时产生了参数幻觉或语法错误，通常采取哪些自动修正手段？10.什么是Multi-Agent系统中的中心化编排模式？相比于点对点有什么优势？11.讲一下Agent的Self-Reflection，它是如何识别输出中的逻辑错误的？12.如何设计Agent的长期记忆？13.在执行涉及支付等高敏感操作时，如何实现Human-in-the-loop的干预流程？14.如何设计一个Skill？大概讲一下15.对比一下Skill和MCP的区别16.OpenClaw如何增强Agent对本地文件系统和代码执行环境的感知与操作权限？17.你如何理解Vibe Coding？有什么经验吗？18.如何确保自然语言描述的任务逻辑能够转化为可靠的执行路径？19.什么是上下文缓存？它在处理Agent频繁读取的冗余系统指令时有哪些优势？

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

1、自我介绍 2、3min2、面试官介绍部门，说之前的jd有点老了，现在部门主要是做内部的ai提效工具 3min3、我反问说主要是用ai做自动化测试（因为jd里提到很多测试的内容）还是说用ai写代码。面试官说都有4、拷打第一个项目。问我为什么想做一个舞蹈训练平台。他好像对姿态分析那块很好奇，我只说了个大概，用mediapose做姿态识别人体节点，再用向量余弦比较相似度，返回一个实时的相似度分数以及一个最终的评分，再用llm生成一个总结性的建议。面试官感觉我说的不是很清楚，一直问我具体的数据结构，还问我这个实时性是不是真的实时，以及如果出现了一个动作错了会不会导致后面一大串都很错…确实有道理，他是我面这么多场一面第一次这么细致的。我就说我只做了视频一开始的对齐，后面的确实还没考虑到。面试官建议说可以分段做姿态分析。5、拷打第二个项目。他说你这个rag的项目看起来挺简单的（好吧我自己做的时候感觉想法还蛮有创意的嘞），说这个项目是用来做什么的？（他好像很关注项目的实用性）我就扯传统RAG难以解决跨文档检索、可能语义断裂，引出来语义图谱GraphRAG的构建过程，然后还做了溯源，方便查文献blabla你这个路由是怎么设计的？LangGraph的链路是啥样的？6、手撕：第K大的数差点差点忘了怎么建堆，还好最后出来了7、ai场景题：”我这儿有很多不同格式的日志、文档，格式各不相同且分散在各处、中间的解析还可能出现问题，如何通过ai来提取出车速这个字段（车速也有可能命名各不相同）“（唉好抽象完全没听懂又给我讲了一遍，我就先问就抽取这一个字段有必要用到ai嘛哈哈哈哈哈）”我只是假设，也可能要抽取其他字段。“emmmmmmmmm那可能要首先统一一下数据格式，比如都统一成json或者字典”对，然后呢“emmmmmm主包实在想不出怎么回答，就开始套RAG，大概是要分成预处理层、在线问答层、想加的话可以加个评估层，然后ATO循环，直到回答正确。然后说了说RAG每层的大概流程，真没招了，只会扯这些。8、”如果上面的问题用OpenClaw呢，要求在问题可能会有点模糊的情况下也可以返回答案？“（我简直要汗流浃背了，openclaw原来还可以干这个吗）我感觉有点奇怪，就先说我理解的OpenClaw的优势 一个是可以接IM、一个是有强大的本地权限，这个用户他有这么大的权限吗”有的，或者说我设置个权限的弹窗，这个很好解决的“emmm真不知道咋回答了，就硬着头皮说首先肯定要把用户模糊的问题确定化，预先设置一些可能的其他情况，模糊的问题咱不能掌控，可以量化的问题一定得先做好，（在线扶额，实在编不下去了）”这个问题你想的可能比较简单，但现实执行起来还是有点复杂的，涉及到很多人员的问题，比如这个资料你得去找不同的人要啊“（剩下面试官说的没听懂9、反问后续面试流程组里人员情况平时开发用什么ai工具，他们买了企业版copilot，竟然还自研了蔚来的Claw（真开始全员Claw了总共55min，没有八股的面试还挺爽的哈哈哈，就是听不懂面试官的场景题（苦笑）

这是群里小伙伴投稿的社招1. 自我介绍2. 用过 AI Coding 吗，用的什么模型，实际解决了哪些问题用过，主要用过 Claude、GPT 系列、DeepSeek-Coder 和 Qwen-Coder 这类模型。日常不是简单让它“帮我写代码”，而是把它放到比较明确的工程任务里，比如老接口迁移、单测补齐、复杂 SQL 改写、调用链梳理、异常日志归因、文档生成和代码评审辅助。AI Coding 真正好用的前提是上下文给得准。大仓库里如果只贴一个报错，让模型猜，效果会很差；如果能提供相关类、接口定义、调用栈、表结构、异常日志和预期行为，它对局部改动的效率提升很明显。但我不会让它直接改高风险链路，...