淘天AI应用开发一面 面麻了给我

给我面没招了，发点面经攒攒人品～1.项目拷打2.你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这个是怎么去设计两者的结合逻辑的？然后混合策略的话具体是如何去提升检索效果的？3.RAG支持 PDF 扫描件和 OCR，然后还有表格结构化的提取，然后在这过程中有没有遇到什么技术难点？4.识别准确率怎么样？5.这个多智能体系统设计里面，然后它的这个 State 管理和Checkpoint分配机制的具体实现方式是什么？怎么去解决对话执行中的状态竞争问题呢？6.怎么样实现 State 全局管理？7.将Choice 接口封装为MCP工具的时候，怎么去设计一个标准化接口？然后遇到有没有遇到过一些兼容性的挑战？8.举了项目里的一个例子，问我出参入参是怎么去定义的？9.大模型在调用这个工具的时候，比如说有 MCP 之前，它的调用的处理流程是什么样子的？10.或者说 MCP 它有哪些缺点或者挑战呢？11.提供的这个 MCP 的结果它是流式的吗？12.这个多agent项目是主子agent的项目吗？13.其中一个功能，然后它的 token 就是一次会话 token 大概有多少？有没有超过上限？14.模型用的哪个？我答Qwen，问我Qwen具体哪个版本15.在子任务过程中啊，如果它的某个子任务失败，比如说数据获取为空，它的这个整个工作流是怎么去重试或者是降级处理的？16.在实现这个流式输出实现的时候，比如说后端用了 FastAPI 和 SSE 来实现中间结果的实时流式输出。然后在这个 Langchain 这种基于图的状态机框架中，是怎么捕获每个 node 的执行结果，然后推送到前端的？17.LangGraph 和Langchain 为什么选择了 LangGraph 没有选择简单的那个 Langchain 呢？18.Checkpoint 的持久化19.对话之后重新连接的话，是怎么能够恢复到之前的那个状态呢？20.对话持久化的话，是存储到哪里的？是存储到内存里面，还是存到硬盘上面去的？21.关于 RAG 的，向量数据库在选择建索引的时候是用了哪种向量数据库？为什么？22.这里面你提到了 RRF 重排序，然后有没有引入什么模型进行精排？

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...

之前已经电话面过，这回为正式一面。一、 实习项目拷打实习，不方便透露；二、 高并发演进与 MQ 消息中间件1. 性能优化演进、详细描述 AI 用例缺陷审查任务的优化过程面对 1~2 亿条msg的突发消息洪峰（MQ 压力极大），除了单机单线程处理，还有什么更好的架构级解决方案？2. RabbitMQ vs RocketMQ 技术选型请对比 RabbitMQ 和 RocketMQ 的底层架构与优缺点。这两种 MQ 分别适用于什么样的业务场景？RocketMQ 的 ACK 机制和消息重发机制是怎样的？如何在这两种 MQ 中实现顺序消费？如何支持分布式事务消息？三、 AI Agent 与 RAG 架构设计1. RAG的痛点与优化如何解决 RAG 检索出来的知识忠实度不够、回答有偏差的问题？对于长文档（如 200~300M 包含图片的文档），Chunk（文本块）的切分策略是怎样的？大模型上下文窗口变大后（如从 256K 提升至 1M），如何解决“中间遗忘 (Lost in the middle)”的问题？2. Agent 编排与大模型框架在简单的问答任务和复杂的配置任务中，分别采用了哪种 Agent 架构？MAS 多智能体架构在处理复杂任务时有什么明显的缺点？为什么选择 Spring AI 框架？在实际使用中发现它有什么缺陷？四、 场景架构题与 AI 评测机制1. Agent 评测体系 (Eval)你们通过哪些指标来评测 Agent 的表现？如何定义和评判一个回答是否是“高分回答”？2. 真实大厂高容错场景设计场景描述： 如果将你的 AI 配置助手放在天猫商家/运营的真实环境中，面对成千上万的用户请求，必须保证极高的容错率和准确率。同时，真实用户的反馈收集率通常极低（万分之几）。问题要求： 在此背景下，如何升级你的系统架构？如何进行自动化的投放与评测闭环？【无论过没过，双非本科能面淘天已经非常感谢🙏🙏🙏】

1. 先做一个简短的自我介绍，重点讲你和 AI 应用开发最相关的经历2. 讲一下你做的这个Agent项目介绍一下核心链路一般是用户输入问题后，先做意图识别，再判断是走直接生成、知识检索还是工具调用。技术上可以拆成接入层、编排层、检索层、模型层和观测层。编排层负责 Prompt 模板、上下文管理和工具路由；检索层负责文档切片、向量检索、关键词检索和重排；模型层负责对接通用大模型和总结模型；观测层负责 trace、耗时、召回质量和最终答案质量。 public Answer handle(QueryReq req) { Intent intent = intentService.detect(req...