字节后端实习一面

努力拥抱AI中…1.项目拷打2.如果你要控制多个 agent，不论是 cursor、codex 还是别的工具，同时开多个的时候，你觉得会有什么问题存在？3.如果同时开 10 个、20 个，甚至更多 agent，你觉得会有什么问题？4.怎么管理它们？5.当 agent 做任务时，它不一定一次就做完，可能需要你反馈、确认、纠正。如果有十几个 agent，你怎么分配跟它们互动？6.如果要支撑这种场景，技术上应该实现哪些能力？7.你刚刚定义了 waiting、running、done 这些状态，那你觉得怎么去捕获一个 agent 的状态？8.现在像 codex 这种是独立程序，如果它没有 API，你怎么实现对它状态的获取？9.除了 hook，除了 skill 里做打点，还有什么其他方法吗？10.你有没有用过 skill 里面跑脚本这类能力？11.如果检测到 agent 一直没响应，或者卡住了，你会怎么处理？12.那是不是以后人只要对着调度器就好了？只需要做这套编排和管理？13.除了测试、复盘、对外解释结果之外，你觉得以后程序员还应该重点发力在哪些领域？怎么避免和 AI、和偏商务的人直接同质化竞争？14.你觉得有什么方法论，可以让大模型从一个非常庞大的上下文里，很精确地找到它真正需要的数据？15.你刚刚提到 RAG，这种方法在代码库场景里怎么落地？代码是怎么被切成片、变成可检索内容的？16.如果 RAG 找错了怎么办？17.Cursor、Claude Code、Codex 这类工具，面对几百万行代码、窗口又装不下的情况，这个问题怎么办？18.那你知道这些工具大概是怎么实现的吗？19.从原理上看，一种做法是先把用户提示词丢给模型，让模型决策后再搜索代码；另一种做法是先本地检索，再把结果给模型。各自有什么优缺点？

1. 自我介绍2. 介绍一下你常用的 STL 容器答案：我常用的 STL 容器主要有 vector、list、deque、map、unordered_map、set、unordered_set、queue、stack 和 priority_queue。如果从使用频率看，vector 和 unordered_map 是最常用的。vector 适合连续存储、随机访问和频繁遍历；unordered_map 适合根据 key 做快速查找；map 适合需要有序遍历或者范围查询的场景。工程里我不会只看理论复杂度，还会看缓存局部性、扩容成本、迭代器失效、内存占用和数据规模。比如元素数量不大时，vector ...

攒人品中，祝大家都能拿到满意的Offer！1.讲实习做的业务2.项目拷打3.AI的使用情况？对AI Coding的看法？最近是怎么用AI进行编程的？你觉得AI的工程化未来会发展成什么样？4.手撕 给一个字符串有012？四种字符，？可以变成012三种字符，问所有的？变换之后使得字符串中相邻字符不相等的变换方案一共有多少种？5.select * from table where a > 1 b=1 怎么建索引6.进程间怎么通信7.如何从大文本中统计top k

项目挑一个讲？这个项目里大部分是大模型，工程上的有讲一下吗？有用到 Agent 吗？Agent 和传统大模型有什么区别？工作记忆了解吗？向量数据库和传统数据库区别是什么？从模型上查询索引结构上、事务上的区别呢？你提到的给 A 推荐的喜好是怎么做的？你的项目如果对标京东、阿里的话，有没有了解到现在成熟的方案？比方说对你的身高体重、用户画像等这类长期记忆的应用。大模型使用向量数据库的诉求是什么？什么场景用向量数据库？向量数据库在 AI 里的核心作用在哪？向量数据库开源的有哪些？ 在毕设过程中，有哪些方案是做过技术调研的？做过压测吗？2000 QPS 的瓶颈在哪里？怎么优化？压测的时候什么指标达到了...