长亭科技后端

1. 实习经历（15 min）2.聊聊你对agent和 workflow 的理解3.介绍一下你了解的 agent 架构4. mcp 与 function call 区别- function call 和 tool call 区别- agent 如何调用工具- 工具调用出现幻觉如何兜底。- 介绍一下工具限流这么做的5. 我们这边在做一个 code agent 如果是你你会如何设计架构-对于代码的检索你有什么好的方法（只答了RAG）-可是RAG只理解语义无法很好检索，还有什么方法（继续答 graph rag，实在不会了）-graph rag 是不是太重了？6.从 RAG 全链路方面详细的介绍一下 你做过的 RAG 项目- 是否测评过 如何测评的- 看你做了 向量缓存，介绍一下如何做的- 如何确保缓存一致性- 线上如何判断 回答应该注入缓存7.是否了解 open claw 你有没有使用过- 为什么没使用过（觉得不安全）- 那你觉得open claw 为什么火，从业务角度说说。8. 平时使用什么AI coding 工具无手撕。反问：1.业务2. 优缺点技术不错，缺少点业务思维，不过对于大学生来说已经不错了，进来工作可以练。

发一下问题给大家参考，攒攒人品！1. 你这个状态机整体流转是怎样的？关键节点分别是什么？2. Human-in-the-loop 放在哪一段，为什么放这里？3. HIL 后面的节点是什么，分别负责什么？4. 为什么这里一定要做幂等？不做会出什么问题？5. 同一份配置算出来的哈希是不是固定的？什么情况下会用同一个哈希再次触发 Jenkins？6. 这个哈希在你系统里表示的是同一个任务，还是同一类任务？7. 你们拿哈希去查任务时，结果是唯一定位，还是可能存在歧义？8. 如果网络抖动、服务挂了，哈希和任务状态怎么处理？9. 如果任务执行中会话断了，怎么恢复？如果 Jenkins 还在跑，怎么重新接回来？10. 如果会话断了、服务也挂了，这个任务还能不能恢复，靠什么恢复？11. 如果配置没变、哈希没变，但我想重新触发，幂等机制会不会把它拦住？你怎么设计“重试”和“重新发起”？12. 自动重启能不能做？如果做，重试逻辑、超时逻辑、人工介入边界怎么划分？13. 任务状态有没有必要持久化？应该放 memory，还是独立状态存储？14. 你的记忆是怎么分层的？哪些信息进短期上下文，哪些信息进长期记忆，哪些信息只进任务状态？15. 你们现在上下文大概能承接多长？30 轮裁剪是怎么裁的？16. 如果复杂任务 30 轮结束不了，长链路上下文怎么压缩、提炼、续接？17. 你怎么保证压缩之后不丢关键任务信息？18. 你对 Agent 范式怎么理解？ReAct 和 Reflection 分别是什么？19. ReAct 里人能不能介入？一般介入哪些节点？20. Reflection 比 ReAct 多出来的核心价值是什么？它能不能真正解决死循环？21. 如果系统进入死循环，除了人工介入，你还会加哪些机制让它停下来？两道AI Coding，一道在平台写，一道用自己的ide

📍面试公司：快手🕐面试时间：4月13日💻面试岗位：AI 应用开发❓面试问题：1.介绍多智能体范式以及各自优缺点2.聊聊你对mcp的理解3.是否了解skill，介绍一下核心原理-项目中我看你写了 skill 聊聊如何实现渐进式披露4.是否了解过 agent 沙箱- skill 能否放在 agent 沙箱里面- 那你说明一下 如果把 skill 放在 agent 沙箱里面如何和智能体交互，重点描述一下是如何进行通信以及跨文件系统的渐进式披露怎么做5.介绍一下上下文工程-刚才提到 工具上下文，聊聊你对 function call 的理解- 如果想要减少工具调用幻觉你有什么好方法6. 是否了解上下文压缩，基于记忆上下文展开来讲讲-介绍一下常见的压缩触发机制-刚才你提到了基于滑动窗口对最近N轮进行摘要，那是将之前摘要和新摘要合并还是分别进行保留，分别适用什么场景有什么好处-短期记忆如何转为长期记忆，如何判断短期记忆应该变为长期记忆-如果让你设计一个三层记忆机制，你会如何设计，从整体架构和具体压缩方法进行描述。-你还了解哪些压缩方法- claude code 的记忆模式是否了解算法：5. 最长回文子串反问：缺点：加强一下对上下文工程尤其是上下文压缩的了解感想：无项目无实习，全场景拷打

1.平时是否做过 模型微调-聊聊你知道哪些微调手段- lora 需要微调哪些参数2. 是否做过大模型部署- 使用什么框架？-是否了解量化3.说说你对RAG的理解- RAG 检索使用了 稠密检索还是 稀疏检索 二者区别。-是否看好当下的RAG技术，你认为未来RAG会如何发展- 当前 RAG 有什么问题- 你提到 推理能力差，有什么好的解决方法- 当前 比较流行的 agentic RAG self-rag graph rag 都分别是干什么的-（面试官回，不看好rag，未来是长上下文时代）聊天：1.再次重申了一下业务，我看你经历更多偏做 agent相关，我们组更偏做测试以及运营，以及线上维稳，可能一面面试官没和你说明白，你是否还愿意来（拒绝了）2.开始就未来AI发展以及自身简历展开讨论（面试官超赞）-20min