字节面试体验

全程拷打项目，都是情景题，一点八股没问，没有什么让大家借鉴的，手撕思路对看出来是二分法，还是没斯出来，最后面试官不用看题，直接写一个二分排序，应该想捞一下我吧，但是大脑已经乱了没抓住机会，项目基本没问题，接下主要是刷算法吧。反问：简历项目还有什么可以优化的地方吗，面试官细心的跟我说了很多

1.面试官业务介绍5-10min，然后说岗位跟面试邀约的可能不一样2.看你简历投大模型岗位，这边是后端岗多些，和统计更多，基础也比较重要3.反问ai结合场景这里莫名其妙的说了下，未来ai业务场景的的发展，最近看裁员帖子之类的面：像工程项目会被替代很多，像统计和类似于这种，系统验证还好些4.手撕回溯 子集输入调错5.有看过限流算法吗；手撕 令牌通限流服务端 伪代码，加并发控制，加乒乓球式限流，还是流式限流；5.1 怎么记录每个getToken()方法入参的lasttime构造器5.2 怎么控制乒乓球式还是流式5.3  refillToken方法要传什么参5.4 gettoken 没有写currentToken --5.5 now - last 时，单位是 s、ms 还是 μs？用户体量比较大，百万的时候怎么考虑int 会强转为 0”，时间戳溢出 + 精度丢失问题。核心问题二：浮点数精度丢失与性能损耗me：基础有待提升面：思路还可以，细节有待提升，还是细节注意6.反问to B to C业务ai答案：如果是流式控制：我关注的是平均速率。我会利用令牌桶算法，重点调节 refillRate（补充速率）。无论请求是突发还是连续，我都会把它们看作连续的数据流，只要桶里有令牌就放行，主要用于防止下游被大流量冲垮。如果是乒乓球式控制：我关注的是交互的同步性。这通常用于对延迟敏感或需要严格顺序的场景。我会通过信号量（Semaphore）或者容量为1的令牌桶来实现。核心逻辑是：必须收到上一个响应（回球），才释放下一个请求的令牌（发球）。所以，在代码里，我是通过选择限流原语（是用单纯的令牌桶，还是用信号量/状态机）来控制这两种模式的。”

1、问项目 2、RAG中切分策略有哪些3、RAG中检索到的chunk少，怎么处理4、RAG知识库本身有问题，怎么办5、Pytorch中dataset和dataloader区别6、余弦相似度和欧式距离区别7、期望薪资8、反问半小时多点，结束

发一下问题给大家参考，攒攒人品！1.介绍一下ReAct范式和PlanandExecute范式?这两种范式的应用场景是什么?2.什么情况下用ReAct，什么情况下用PlanandExecute?3.介绍一下Multi-Agent?是如何共享上下文的?子Agent会使用父Agent的所有Context吗?4.场景题:现在需要设计智能客服Agent，根据用户的提问来进行尽可能准确的回答，你觉得该如何设计?需要考虑哪些方面?5.如何避免这个场景下模型的幻觉问题?6.对于这样的Agent服务，电商大促的时候，流量大，有流量尖刺的情况下，如何解决?7.JVM调优时，如何查看内存对象的情况?有了解过开源工具吗?8.SSE和WebSocket的区别?