27实习阿里国际ai开发一面分享

面试时间： 5.21技术栈： Agent、Java、Python、Node、SQL、前端面试题目1.自我介绍2.新闻数据来源、数量规模如何存储，数据库表如何设计的，存哪些字段数据来源：RSS 订阅、爬虫抓取、第三方 API（如 NewsAPI）。存储规模达百万级时采用分库分表或时序分区。表设计核心字段：id、title、content、source、publish_time、category、embedding_vector（外链向量库）、create_time。按发布时间做范围分区，热数据放近期分区加速查询。3.新闻向量数据库如何分区？文本编码方式，新闻词嵌入，如何召回，编码方式和召回方式如...

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 项目询问，没到拷打级别3. 因为是做agent，所以问了一些agent问题3.1 说一下 React范式，执行这一步包括什么3.2 multi agent和single agent的区别，优缺点，适用场景3.3 Claude code是multi agent还是single agent3.4 Claude code如何解决 上下文爆炸问题3.5 说说skill3.6 skill有很多，描述很长，导致上下文爆炸怎么办4. 手撕题—求岛屿数量，邮箱发题，需要共享屏幕

1. 做一下自我介绍2. 讲一下你做的这个平台，重点说难点 解决了什么问题这个项目的核心不是“把文档喂给模型”，而是先把不同来源的材料转成可稳定检索、可引用、可更新的知识单元。整体架构一般包括文档接入、格式解析、结构抽取、分块与向量化、倒排索引、重排服务、回答生成和引用回填。我负责的部分主要是 chunk pipeline、索引写入和查询编排。难点主要在复杂文档结构，比如目录、页眉页脚、跨页表格、附件引用和条款层级，如果直接按长度切块，召回会很乱，模型也很容易把不同证据拼错。 def build_index(doc): blocks = parse_document(doc) chunks =...

行情差到这种地步，我确实动摇了。以前死磕一线大厂，现在已经完全接受不了长时间空窗。最终我降低了三条标准：一是接受了二线城市的岗位，二是愿意去非互联网传统企业做技术，三是把税前期望从20k+降到了15k左右。说实话，心里还是不甘心，但现实逼着我必须先站稳脚跟，再慢慢往上走。