快手 AI Agent开发一面 攒人品

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目难点。3.介绍一下认证系统。讲了双令牌。4.面试官问如果你的刷新令牌也被盗取了怎么办？5.你怎么知道被盗取了？6.那我觉得你这个双令牌没有解决你刚刚说的那个问题7.你这个计数是怎么进行读取？那你帖子的内容在哪存储？8.你这个用户关系的一主是什么？多从是什么？假设下游给这个kafka一直消费失败呢9.介绍一下你的三级缓存。介绍一下你的热点探测机制10.介绍一下你这个AI问答系统的流程11.介绍一下你这个优惠秒杀项目。12.你这个逻辑过期是什么？13.假如你异步的处理库存和订单生成消费失败了怎么办？14.写一道题吧二叉树的最近公共祖先

一、Java基础重点内容面向对象：封装、继承、多态equals 与 hashCodeString、StringBuilder、StringBuffer重载 vs 重写深拷贝 vs 浅拷贝准备方法熟悉核心语法和设计思想能解释常见面试题原理配合刷经典基础题二、集合框架重点内容List：ArrayList、LinkedListMap：HashMap、ConcurrentHashMapSet：HashSet、TreeSet高频考察HashMap 底层结构扩容机制hash 冲突解决JDK7 与 JDK8 实现区别准备方法理解底层数据结构能说清 put / get 过程理解不同集合使用场景三、并发编程重点...

继续来分享下最近的面经~欢迎友好讨论，信息共享1. Transformer 为什么能替代 RNN 成为大模型主流架构？2. Self-Attention 的计算过程是什么，时间复杂度为什么高？3. Multi-Head Attention 的作用是什么，为什么要分多个头？4. 位置编码为什么必要，绝对位置编码和相对位置编码有什么区别？5. 什么是 KV Cache，它为什么能显著提升推理效率？6. Prefix Cache 和 KV Cache 有什么区别，分别适合什么场景？7. 为什么大模型推理通常是 memory bound，而不是 compute bound？8. Batch 推理和单请求推理的吞吐与延迟 tradeoff 是什么？9. Continuous Batching 解决了什么问题，为什么对推理服务很重要？10. Prefill 和 Decode 两个阶段的性能瓶颈分别在哪里？11. 大模型采样里的 temperature、top-k、top-p 分别会怎样影响输出？12. 贪心解码、束搜索、随机采样分别适合什么生成任务？13. 重复惩罚和长度惩罚分别是为了解决什么问题？14. 为什么模型有时会出现“复读机”现象，通常怎么缓解？15. 量化是什么，INT8、INT4、FP16 的核心区别是什么？16. 推理量化会对模型效果造成什么影响，如何评估是否值得量化？17. 张量并行、流水线并行、数据并行分别适合哪个阶段？18. 单机多卡部署大模型时，通信开销主要来自哪里？19. 为什么 GPU 显存是大模型部署的核心约束之一？20. 模型参数量、上下文长度、并发数三者之间是什么关系？21. 什么是 MoE 模型，为什么它能在参数规模很大时控制推理成本？

AI 提示词工程（Prompt Engineering Guide）从基础到高阶，系统学习结构化提示词、思维链，让 AI 输出精准高效。GitHub：https://github.com/dair-ai/Prompt-Engineering-Guide