百度实习-Agent 算法一面分享

发一下问题给大家参考，攒攒人品！1.实习拷打2.拷打第一个项目：如果长表格被切分到了两个不同的Chunk，如何保证大模型在回答时不丢失表头信息？为什么不直接把图片转成描述再做文本检索，而是做视觉Embedding？有什么好处？3.拷打第二个项目：你是如何设定记忆总结的触发条件的？是根据对话轮数总结，还是根据Token消耗量来总结？如果测评量表返回的数据量非常大，超过了模型窗口，在不丢失核心指标的前提下，如何对工具结果进行预压缩？4.为什么在做RAG时，切片不能切得太长，也不能切得太短？5.什么是混合检索？为什么一些场景下，只用向量检索效果不好？6.如何在Prompt中设计拒答逻辑，让模型在知识库没有相关内容时，不强行生成答案？7.什么是CoT？它在提升Agent逻辑推理能力方面的原理是什么？8.在Function Call的过程中，大模型返回给后端的是真实运行的结果，还是调用的意图？9.拷打Transformer10.了解MySQL吗？在MySQL中，如果要存储用户的对话记录，你会选择哪种字段类型？为什么？11.Redis有哪些常见的数据结构？12.为什么在大模型应用中，会把一些重复的问题和答案存入Redis缓存？13.介绍一下如何利用Redis存储大模型的响应结果？14.如果两个用户的提问意思一样但表达不同，如何判断该不该命中Redis里的缓存？15.在分布式Agent环境下，用户的Session应该存放在哪里？16.手撕：无重复字符最长子串

面完之后：按记忆把题串起来说 手里那份问题清单，是好几场面谈里碎片问题的合集。 单独看每一条都像八股，串在一起你会发现面试官的注意力一直在两条线上晃：一条是「这东西在线上会不会出事」，一条是「你知不知道自己在用什么、没用上什么」。 下面按我自己后来复盘时觉得顺的思路写——从项目怎么讲，一路滑到 LangGraph、记忆、agent 形态、工具协议、RAG，最后落到后端那几道「看起来基础、其实能问穿」的题。 你如果对某一块熟，可以快速扫小标题跳读。 从项目讲起：先别急着报框架名 几乎所有 agent 岗都会从项目开刀。我踩过的坑是开场三十秒就把 LangGraph、LangChain、某某向量库...

现在大厂笔试里，美团是明确会考察AI Coding的，身边不少人都碰到过。笔试题会给出编程需求，允许用大模型，靠写提示词生成代码，看能不能精准满足题意、跑通逻辑。这种考法和以前死磕算法题完全不一样，更看重会不会用好AI工具、能不能把需求说清楚啥的

4、RDB AOF区别是什么5、aof写入是在命令之前，还是命令之后6、aof能保证数据的完全不丢失吗7、怎么保证aof完全的一致这里其实是一个设计，直接2pc就好了9、为什么要用C++写的Redis，不用go/Java来写呢10、go-redis存储大批量数据的时候，gc会总是扫描这种大对象，该怎么减少这种无意义的扫描呢11、缓存击穿、穿透、雪崩，怎么处理12、如何实现高可用的13、java,go的优缺点14、GMP介绍一下15、什么时候GM16、切片与数组的区别17、切片作为形参的时候，在方法内部修改会不会影响外部18、如果只是append，会影响外部的呢19、map的底层结构20、1.2...