指数引力 - AI agent开发- 一面技术面经

1. 介绍某实习公司中负责的关键词命中系统、文档提取系统具备的有特点的功能
2. 基于AC自动机构建违禁词匹配的查询结构，在实际应用中是如何实现的
3. 某实习公司技术栈中是否考虑过Hive、Spark这类大数据链路的应用
4. 关键词命中系统优化的核心目的是否为提升查询性能，具体优化思路是什么
5. Redis在关键词命中系统增量更新环节的使用方式，是否存在大key、大value问题
6. 说明Redis出现大key、大value（如一个key对应几MB的value）时会引发的问题
7. 关键词命中系统中Redis采用订阅发布方式监听时，多key场景下的轮询、监听该如何处理
8. 关键词命中系统中处理emoji表情包存储时，涉及的Mysql存储引擎相关知识
9. 关键词命中系统中emoji表情包的匹配为何需要用到AC自动机，大批量数据场景下AC自动机的应用逻辑
10. 某实习公司中做Mysql治理的具体收获，展开说明相关优化手段
11. 介绍某项目中AI相关的实践内容，以及对React agent、Multi agent技术栈的理解和应用
12. 某笔记管理网站前后端技术栈的选型思路
13. 腾讯云MCP的具体功能，以及其内部提供的工具能力有哪些
14. 说明MCP、skill、function call三个概念的区别和相关性
15. function call在RAG知识库中的业务逻辑实现细节
16. skill在被agent使用后是否会占用上下文，其设计的核心优势是什么
17. 开发agent时使用的框架和开发语言分别是什么
18. 若要让大模型实现类似cloud code、cursor的编程工具功能，具体该如何实现
19. Multi agent中plan的设计思路，以及在实际场景中的应用方式
20. agent在长任务执行后上下文接近阈值时，采用何种机制做上下文的压缩
21. 开发agent过程中，上下文管理有哪些具体的方式，该如何匹配对应的agent使用场景