小红书秋招

全面拥抱AI中…1.介绍一下整个agent的架构2.为什么设计成主从的架构3.讲一下完整的业务流程，agent干了哪些事4.为什么你在这里设计的是先调用tool去查商品，再走rag检索商品信息？5.你rag知识库的索引是什么6.你这个agent自主规划执行有没有轮次限制，在测试过程中一般几轮可以解决问题，如果很多轮都不能解决，有没有定位是什么导致的，有没有兜底的策略？7.你对写prompt有什么心得，举例说明8.如果我在prompt中明确提出了rag结果不要返回某种商品，但是还是返回了，并且屡教不改，有可能是什么原因，怎么解决？(Prompt 中的否定约束对模型的约束力较弱,如果 RAG 召回结果中包含被禁止的商品，模型会受到这些高相关上下文的影响，从而违背 Prompt 约束。历史上下文和当前 Prompt 存在冲突)9.说说你对agent和skills的理解10.一般情况下你的这个agent的响应时间是多少，听起来时间比较长，有没有想过是什么原因导致的？

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.请实现一个AI对话气泡的CSS布局，要求头像固定在左侧，对话内容在右侧自适应，且内容过长时自动换行。2.在AI场景中经常使用SSE(Server-Sent Events)，请简述它与WebSocket的区别。3.请手写一个简单的打字机效果函数，模拟AI逐字输出的过程。4.在处理 A返回的大量文本时，如何防止页面因频繁更新而卡顿?5.如何使用FetchAPI实现对流式数据的读取和中断?6.介绍一下Promise.all和Promise.allSettled的区别，以及在Al多模型调用场景下的选择。7.算法题:给定一个包含对话记录的数组，每条记录有id和parentld，请将其转换为树状结构。8.CSS中如何实现一个文本打字时的光标闪烁效果?9.解释一下什么是XSS攻击，在渲染AI生成的HTML内容时如何防范?10.在React中，为什么要避免在循环或条件语句中调用Hooks?

已经一周了，hr面还没有约面，许愿一个腾讯oc