字节跳动 抖音部门 agent开发 一面凉经

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...

发点面经攒攒人品～1.实习拷打2.项目拷打3. 有多个消息投递到消息队列，处理的结果怎么与发送的请求对应呢？4. 为什么不直接通过数据库通信而需要用消息队列呢？5. 项目有没有前端流式输出展示？6. 身份认证是怎么做的？7. 你觉得langchain和langgraph框架提供了什么功能？优势在哪？8. 讲讲大模型的React9. 讲讲工具调用和多智能体协作10. 对于上下文工程，你觉得有哪些主流的技术？11. 讲讲RAG和持久化记忆的区别12. 什么是思维链（CoT）？13. 为什么Agent还需要Instructions, Rules, MCP, Skills？14. Rules和Skills有什么区别？为什么不把Skills的指导写进Rules？算法题：LeetCode中等难度，计算二叉树最大宽度

#腾讯2025实习生招聘##腾讯##发面经攒人品#最近按当前筛选整理了一波面经，这次挑了 8 篇相对值得复盘的内容，方便刷题和回看。## 1. 腾讯｜AI应用开发后端实习生｜未知- 日期：2026-04-24- 关键词：Agent面经- 难度：4 星- 标签：技术面 / 约55分钟 / 有代码题- 技术栈：Agent、RAG、后端开发、DFS、设计模式### 面经总结面试重点围绕AI应用后端项目深挖，考察多Agent编排、失败重试与金融安全场景设计，并涉及RAG知识库热更新和基础算法题。### 高频问题1. 【项目经验深挖】XX有没有正式用户使用？为什么没有上线？2. 【Agent与工具调用】...

大二玩了半年RAG，我发现最靠谱的解法，居然是百年图书馆逻辑本人大二，接触Agent开发从RAG入门，摸过GraphRAG、RAGFlow这些热门项目，也啃过LlamaIndex、LangChain框架，踩了不少坑，也有了些不一样的想法，纯分享思路，不做落地。先说说我看到的核心问题：RAGFlow的溯源功能能标清信息出处，解决了模型胡编的问题，却缺了LangChain那样的隐私数据守卫——检索时只过滤正文，溯源链接还留着，等于给隐私泄露、外网信息跳转留了后门。同时现在的RAG大多是文档乱塞一锅炖，海量数据根本管不住，开源框架要么太笨重新手难维护，要么功能太简陋撑不起场景。想通这些的时候我正在学校图书馆，突然发现：我们卷破头的RAG问题，现代图书馆这套人类用了上百年的「信息管理系统」，早就完美解决了。核心思路完全对标图书馆逻辑，分三点：1. 先分级管控，从根源堵隐私漏洞像图书馆分普通阅览区、内部资料室、涉密档案室一样，给文档做分级。敏感内容直接拦在库外，内部文档没权限连检索都搜不到，自然不会有溯源链接泄露的问题，只有合规公开内容才开放完整溯源。2. 先分类入库，解决海量数据混乱图书馆新书不会直接堆书架，会先验收、查重、按标准分类标引再上架。对应到RAG里，就是文档先自动清洗、去重、分类打标，再分到独立向量库物理隔离，再多文档也井井有条，不会越用越臃肿。3. 统一规范做开源生态，解决「各玩各的」的痛点图书馆能跨馆互通，核心是有统一的编目规则。我们也可以定一套极简统一的开源RAG库规范，实现两个核心：一是人人都能按规范分享自己的RAG库，开箱即用不用二次处理；二是符合规范的任意两个RAG库，都能无缝拼接，自动对齐分类、去重、更新索引，不用手动改配置。现在RAG圈总在卷框架、卷算法，却忘了做RAG的初衷，是让普通人用最低成本让AI落地。这套图书馆逻辑的思路，不用高算力不堆复杂技术，刚好能让本地小模型配上标准化RAG库，真正变得可用。纯思路分享，不打算自己落地做项目，玩RAG的朋友有想法，欢迎一起交流。大模型  开源思路 #大学生编程