今早面试

一、基础必问题（100% 会问，送分题别丢分）什么是大模型幻觉？产生的根本原因是什么？解释一下 RAG 的核心流程，它解决了什么问题？什么是 Prompt 工程？你常用的 Prompt 优化技巧有哪些？大模型的微调、预训练、RAG 三者的区别和适用场景是什么？什么是向量数据库？在 AI 应用里它的核心作用是什么？二、进阶高频题（拉开差距，核心考察实战能力）RAG 检索准确率低怎么优化？说一下你的完整优化思路实际业务中，你会用哪些方法解决大模型幻觉问题？解释一下 MCP 协议是什么？它在 AI Agent 开发里的核心价值是什么？什么是 AI Agent？它的核心组成模块有哪些？大模型推理速度慢、显存占用高，你会用哪些方法做优化？三、场景开放题（终面必问，考察落地思维）如果让你给公司做一个内部知识库 AI 助手，你会怎么设计完整的技术方案？大模型落地业务时，如何平衡效果、成本和安全性？AI 面试，基础概念是门槛，工程落地能力是核心，场景化思维是拉开差距的关键。

1、TCP 和 UDP 在微信客户端里一般分别用在哪些场景答案：像聊天消息、图片消息、文件传输、登录态同步这类场景，核心诉求是可靠、有序、不能乱不能丢，所以更适合基于 TCP 的长连接体系。哪怕中间有重传和拥塞控制带来的额外开销，也必须保证最终一致和消息正确到达。而音视频通话这类实时互动场景，重点通常不是每一帧都绝对到达，而是延迟要低、抖动要小、卡了能尽快恢复，所以更适合 UDP 或基于 UDP 进一步封装的传输协议。因为对实时媒体来说，晚到的数据往往比丢掉的数据更没价值。所以在微信这类客户端里，两者是按业务目标拆分的。强一致消息链路偏 TCP，实时媒体链路偏 UDP。2、了解 QUIC 协议...

很正常好吧，就算正式工作也不一定能学到东西，其实我一直想知道为啥很多公司一看到简历上有外包经历就直接pass，认为外包接触不到核心业务，这到底是为什么

1、你做的高性能日志系统里最有挑战的是什么答案：高性能日志系统里最有挑战的部分通常不是把日志写出去，而是在高并发场景下同时兼顾吞吐、时延和落盘可靠性。如果每条日志都直接加锁写文件，线程一多就会在锁和系统调用上卡住，所以一般会把日志写入分成前台生产和后台刷盘两段。前台线程只负责把日志快速写入缓冲区，后台线程批量落盘。这样可以把大量小写合并成少量顺序写，减少系统调用和磁盘抖动。真正难的地方在于几个细节。第一是缓冲区切换时机，切得太频繁会增加刷盘压力，切得太慢又会拖高日志可见延迟。第二是满载场景下的回压策略，如果生产速度远大于消费速度，日志队列迟早会堆爆，这时要决定阻塞业务线程、丢弃低优先级日志，还...