15-17min1.介绍项目2.rag项目有什么亮点，说一下3.cluade.md4.claude code用什么模型，对比过模型效果吗，使用体验4.5国外模型用过哪些5.ppt智能体怎么做的，多智能体架构里面有哪些skill6.为啥search还要专门写skill爬特定网站7.skill md文件包含什么反问业务ai渗透率蚂蚁相关产品

1.mysqlb➕索引，字符怎么查找，支持顺序查找吗1.5 JAVA python线程模型2.java异步怎么做。fastapi底层异步怎么做。3.线程池策略，参数3.5线程数怎么设置。io密集型，假如最大设置为10，第11个来了怎么办。一般八核，线程数设为多大。像windows里面有很多线程，也是io密集，你觉得为啥没有崩溃之类的4.poll epoll了解吗5..java map结构一系列;线程安全，cas6.文件上传从8s优化到2s。哪个部分耗时，向量化还是上传，带宽跑满了吗，是什么限制了7.文件发到网卡，文件加载cpu到内存，用户态内核态怎么切换的，细致说下8.分片上传，是单线程的限制吗9.向量纬度768 1024区别，为啥这么选10.knn，ann时间复杂度11.PPT生成为啥不用文生图做。讲下完整流向rag结合prompt，填到限制槽位，结合固定样式生成12.多智能体改的架构，怎么上下文管理，传递消息，共享记忆13.agent记忆怎么做的14讲下渐进式披露，那永久记忆你觉得怎么查询，怎么操作，讲你的想法就行15.已经摘要了很多次，这个时候渐进式披露怎么做分层16.claude code 的harness跟其他agent区别17llm运行原理，transformer架构原理18.有微调过小模型吗clip blip，效果不好19.有用过Claude code做过大的或小的项目吗，用什么模型论文自动检索，自动视频生成，codex联合前后端并发编程检索最新ai动态20题目两个线程交替打印字母，数字结合面试官回答反问阿帕奇开源项目，技术相关对ai态度，开发或者学习永久记忆是否可以蒸馏一个个体是否觉得机器人ai参数高到某个量级，也具有意识，或者意识这个词。

1.淘天一面1.1压缩搜索后，语义细节丢失怎么搞1.2 为撒调用LLM要多线程，并发；有并发吗1.3 为啥ThreadLocal多线程，存入的话有什么注意的事情1.4切分策略1.5milvus ANN/KNN算法，时间复杂度可能想问这个 在使用线程池时，线程会被复用。问题：如果线程A处理完一个请求后，没有清理 ThreadLocal 中的数据，当这个线程被回收并分配给新的请求（线程B的任务）时，线程B就有可能读到线程A留下的“脏数据”。后果：这会导致业务逻辑错误，例如用户A看到了用户B的个人信息。解决方案（面试铁律）：kpi面：反问面试官问我的问题，自己的回答跟我的回答差不多，还一直问我；乐；答知识压缩语义丢失，就去调个工具查；2.飞猪hr2.1有成就的事2.2三个关键的词，同事的评价2.3mbti......3.京东科技一面3.1为撒用bitmap这种数据结构，优化8s到2s，在embeeindg耗时还是传输耗时，有测过吗3.2jwt和session 和 cookie适合于哪些场景；为撒加了存储比如redis，mysql还要考虑jwt无状态3.3跨域问题3.4rpc了解吗，用过啥3.5henmes agent3.6为撒用redis做消息通知3.7用aicoding搭建过哪些完整的项目，小或大的3.8claude code源码看过吗

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。”

看了xhs一堆应届和往届裁员帖子，ai浪潮裹挟下的个人该如何做好对策，找到出路。1.感觉学计算机一直在主动或被动地自我驱动，不停地在做比较和考虑。总会有指标考察你，论文，产出，实习经历，学历，职级。。2.找到工作的在焦虑，没找到的也在焦虑。在比较中焦虑，在寻找最优解中焦虑。3.突然回想起，跟之前面试官，聊的超级个体，拥抱ai未来的想法，当时可能只是随便说说，但实际这个行业感觉就是得不断的学习，push自己。看了不少某站 硬件 相关的博主，感觉很羡慕他们的兴趣，但也有点惋惜。看的某书的帖子，感觉小镇做题家一路紧绷努力，不敢走错一步，也是有点心痛。假如拿到offer，反问自己，除了是一些大时代下的庆幸，跟别人内卷的有限的结果，感觉也不会怎么样。点悲观主义了，或者本来发展是不可逆而且是正向的，可能放到个人发展上就跟主体相悖了吧。暑期面累的碎碎念，边走边看吧。。。。。。

1.自我介绍2.深度参与项目，产出3.OCR为撒做文件识别；部署的哪个4.传统的读取pdf docx api sdk有用过吗5.文本内容为啥还要用ocr6.pdf 图片内容；图片，图表的理解，怎么做；饼状图，折线图怎么提取语义信息7.ocr背后的原理，给一个饼图，然后怎么输出内容8.是否真的了解怎么识别 占比 类比这样的语义识别9.有看过ocr调用，语义保留这样的指标的评估10.怎么做评估；完全识别的指标又是怎么评估；九十分一百分怎么打分完全识别11.图表识别怎么评估打分，怎么评判，有哪些依据12.为啥选768维度13.讲下embedding模型，怎么做embedding14.embedding模型底层；什么是token；为撒100wtoken最大token数15.大语言模型参数了解吗；在显存消耗的哪个层面消耗的16transfomer词表是怎么构建的吗17.ES怎么构建的；这里面的关键词怎么构建的；BM25基于什么原理18.一部分milvus语义召回，一部分ES关键词召回；怎么返回用户的19.精排维度是多少，原理是什么20.rerank精排基于什么；为撒精排效果更好21.你觉得这些策略涉及有哪些问题；讲了四个问题权重；向量维度；双向量检索的策略；切分策略（切分维度）22.针对上述的你提的问题，说出自己解法23.最核心的一个指标的什么；最核心的指标；归纳出最核心的一个综合指标24.function calling mcp skill，解释概念；用到什么场景；分别解决了什么问题答得不好25.prompt engining ，context  engining，hareness enginering 解释什么问题答得不好26.抽象类和接口却别27.jvm内存回收；什么情况下适合标记清除，什么标记整理28存活时间怎么定义这里列下六个ai概念和解释24. Function Calling、MCP、Skill：概念、场景与解决的问题这三个概念其实代表了 AI 智能体（Agent）与工具交互的三个不同层级：底层协议、通信标准、业务封装。1. Function Calling (函数调用)概念：这是大模型的一种底层能力。它让模型不仅能输出文本，还能输出结构化的数据（如 JSON），告诉程序“我要调用哪个函数，参数是什么”。解决的问题：解决了“模型说不清楚，程序读不懂”的问题。它打破了模型只能聊天的限制，让模型有了“手”，能触发外部动作。场景：简单的工具调用：查天气、计算器、查询数据库。提取结构化信息：把用户的一段话转换成 JSON 对象。2. MCP (Model Context Protocol，模型上下文协议)概念：由 Anthropic 提出的标准化通信协议。你可以把它理解为 AI 界的 USB-C 接口。它定义了一套标准，让 AI 应用（Client）能统一地连接到各种数据源和工具（Server）。解决的问题：解决了“连接碎片化”和“上下文孤岛”的问题。以前每接一个工具都要写一套适配代码，现在只要工具支持 MCP 协议，AI 就能直接连，不用重复造轮子。场景：企业级应用集成：统一连接本地文件、Google Drive、Slack、GitHub 等。跨平台工具共享：开发者开发一个 MCP Server，所有支持 MCP 的 AI 客户端都能用。3. Skill (技能)概念：这是面向业务的能力封装。它通常是一个包含指令、脚本、资源和提示词的“文件夹”或集合。Skill 往往基于 Function Calling 构建，但更复杂。解决的问题：解决了“工具零散，无法完成复杂业务”的问题。它把一个个原子化的函数（如“查航班”、“查酒店”）组合成一个有意义的业务能力（如“订机酒套餐”）。场景：复杂任务处理：比如“帮我策划一次旅行”，Skill 会自动规划步骤，依次调用查天气、订机票、订酒店的函数。垂直领域专家：比如“法律助手 Skill”，里面封装了查法条、写文书的特定流程和提示词。📌 总结对比表表格概念本质定位核心解决问题形象比喻Function Calling底层交互协议模型输出结构化指令神经信号（告诉手要动）MCP通信与调度层统一连接标准，避免重复开发USB 接口（通用插头）Skill业务能力层复杂任务编排与封装操作手册（怎么做菜）🧠 25. Prompt Engineering、Context Engineering、Harness Engineering这三个概念代表了 AI 应用开发从“手工作坊”到“系统工程”的进化过程。1. Prompt Engineering (提示词工程)解释：这是最早期的阶段。核心是“写咒语”。通过精心设计自然语言指令（如“你是一个专家，请一步步思考...”），引导模型输出更好的结果。局限：它是一次性的、静态的。如果任务太复杂，光靠一段话很难控制模型。2. Context Engineering (上下文工程)解释：这是目前的主流趋势。核心是“构建信息流水线”。它不再只关注那一句提示词，而是关注如何把最有效的信息（知识、历史、工具描述）在恰当的时机喂给模型。它包括 RAG（检索增强）、记忆管理、摘要压缩等技术。解决问题：解决了模型“记性差”、“知识过时”和“幻觉”问题。它把模型从一个“聊天机器人”变成了一个“拥有外部知识库的专家”。3. Harness Engineering (编排工程/智能体工程)注：Harness 在这里通常指“智具编排”或“系统 harness”，类似于 LangChain 或 AutoGen 这类框架所做的工作。解释：这是最高阶的阶段。核心是“系统级管控”。它不仅仅是给信息，而是设计一个工作流。比如：先让模型 A 写代码，再让模型 B 审查代码，如果报错再让模型 A 修改。它涉及多智能体协作、循环反馈、工具调用的逻辑编排。解决问题：解决了复杂任务的自动化执行和可靠性问题。📌 一句话总结进化史Prompt Engineering：教模型“怎么说话”。Context Engineering：给模型“参考资料和记忆”。Harness Engineering：给模型“ teammates（队友）和工作流程”。

1.自我介绍2.性能怎么样速度和召回率方面3.双向量检索解决什么问题4.向量索引 欧式距离，余弦，内积的区别5.内积和欧式距离更关注什么6.重排序模型，底层，解决什么问题；就是只用rerank模型进行排序可以吗7.有哪些智能体，ppt智能体8.内容结构的生成，样式是自己实现的吗9.模板是提示词筛选的吗，还是说其他条件筛选的10.rag时候长文档切分策略，怎么解决语义断裂11.有没有用过附属索引，检索的时候，召回的时候不是召回子块，而是召回的子块的父块；有用过吗12.MCP理解，对于传统的优势；比传统的function call优势答得不好13.怎么降低幻觉14.skill概念15.什么是随机采样，在推理加速这块16.rag系统评估指标17.ai coding面试官：12年前某个晚上参加阿里的校招，一个轮回了；ai coding有很多变化你觉得ai coding有哪些需要注意反问ai渗透率，路径规划有一些方向吗；LBS相关部门

1.自我介绍2.rag流程讲下3.基于什么框架搭建的4.ppt智能体怎么做的，是只是部署了吗；做了那部分流式，提示词约束，前后端联调5.分块策略讲下，为啥切分还要设置 固定字符6.为撒选择768维度7.讲下embeindg模型原理，transfomer原理；讲下decoder encoder面：本质上decoder就是一个embedding8 milvus原理BM25算法9.讲下欧式距离 内积 向量i相似度底层怎么计算的讲了内积，分解维度向量，点乘相加10.skill讲下渐进式纰漏，为撒大模型可以决定使用哪个答得意图识别，工具排名，然后选择上面的skill调用11.假设sse输出，前端突然关掉页面，后者服务宕机；并且传输的分片，需要长时间等待（LLM或者文生图这样的模型）（现在一起上传前端）提示网络层去做答得：中间件存储面：可以在网络层加心跳机制12.选择一个你擅长的点openclaw claude13claude的skill有哪些；14.你觉得claude有哪些可以拓展的点答得记忆和skill，和项目风格和上下文对齐15.function call mcp skill 调用有什么区别16.openclaw除了定时和skill还用过其他的功能吗17.用aicodeing多吗，用的什么模型；讲下aicoding思路，知道热更新机制的模块吗；glm5，中转节点先架构，python，必须简单运行，先写总体文档，列出要考虑生成环境的点9.2终端再分模块开发限制9-13min18.生产环境考虑的点kafka的一套，有序，幂等，消息丢失；并发；内存存储，服务宕机重启，数据丢失19.为啥要再生成一份项目交付md把需求md覆盖了，生成了个总结的文档主要拷打了底层微调也有问，和transfomer架构kqv和中间额层，和具体用哪个通用大模型的关系

1.自我介绍2.讲下自我介绍提到的ppt智能体，完整的流程调研auto ppt等3.讲下rag的流程正向流程，反向评估都答4.ppt智能体改为多智能架构，会结合业务场景考虑吗；当然去往新方向做尝试可以5.为啥用rag，解决什么问题外挂记忆，解决幻觉，垂直领域问答6.在rag里面调用的LLM，有尝试做垂直领域的LLM微调吗7.企业知识库和个人知识库，个人问答会结合两个做回答吗8.用过ai coding多吗，什么模型，国外模型用的多吗；就是对于需求已经够用了9.遇到过什么项目难点项目上线和前端联调，部署工具OOM，初期调研rag过程中部署问题10.如果做了一个多智能体或者工作流的ppt智能体，怎么做评估，有哪些指标结果侧（生成侧），看版面对齐度，丰富性，是否有问题；生成文本内容，是否有问题，用户打分加权（劣良优）；最后设定综合制定标准打分11.面试官陈述：就是通过一个智能体生成，另外一个自动化智能体，自动化评估12.实习过程中有几个人13.有用openclaw claude code做过什么；skill 渐进式批露怎么做的；LLM怎么知道要调用哪些skill答得个人工作流，react；       应该是工具 chema注入，然后意图识别；结构化输出 (Function Call)14.反问智能体投入生成环境的评估，人工和自动化评估都有吗；agent scope搭建效果产品或hr及一些相关需求，评审方案；内部agent build智能体编排架构工具挺多；但实际还是有性能安全等考虑，不能成为黑盒；百炼平台内部用的话，还是有很相关的；

聊天型面试，面试官总结回答很专业1.技术栈；两个ai项目和导师的实验室项目，简历上实习内容2.选型，评估，指标3.正向说的十分清除，反向评估怎么做的4.黄金数据集，人工打标，评估5.发现error case，怎么优化答得，生成侧还是检索侧6.具体case，在权重调整的时候，怎么确保不会影响其他的召回答得，专业场景关键词；个人知识库更倾向语义7.rag有哪些问题吗答得query改写，ES辅助8.了解过实现方式上，除了rag还有哪些方式吗答得claude记忆压缩，md文档，记忆链接；知识图谱用于多跳推理9.java大概用了几年了，看过其他框架langchain外吗答得谷歌 ADK的，langgrph10.mcp用过吗，有写过吗，没封装过吗11.skill用过吗答得文献搜素skil12.并发包里面的组件concurrt hashmap，AQS，线程池运转过程（吟唱）13拒绝策略用的什么抛异常，丢任务14.AQS框架，retranlock非公平，公平锁，怎么实现的；可重入怎么实现的15.synchoninized 可重入锁，java上怎么实现的16.一个前端请求到后端mvc过程 ，servlaet怎么到controller上的？17.换个问法：spring启动，controller怎么管理的？spring怎么管理，维护和映射；注解18.最近在做什么吗重构多智能体架构；openclaw19中转站用的模型；海外模型用哪些20ai coding，日常编码，bug查找github copilot用的多些反问业务

1.项目都是自己做的吗2.rag这边是你做的吗3.向量化不是用milvus本身的模型，自带的吗？面试官提问问题4.入库流程的是自己做的吗5.文件读出读进内存里面，中间的适配器用的什么6.转换的用的什么能力7.精排取的交集还是并集，混合检索的，权重算的吗8.有没有遇到什么case9.有没有招不回的情况答得 检索侧和生成侧 两边的原因可能；语义分块太大；知识库里面没有；语义表述对齐，query表述口语化10.关键词检索BM25算法11.图文检索的用到什么策略吗12.持久化RDB算法和AOF细致讲下13.程序运行内存分布答得：jMM内存结构及数据存储类型aicoding 压测工具，python写，终端测试，生成文档和测试用例结果

1. for遍历循环，挨个remove有什么缺陷？不会2. 设计群聊收发消息系统，数据表怎么设计？有注意的地方吗答得：推拉模式啥的，信息表，成员表；类似于一人一单，群发信息不要因为网络抖动啥的重复3. ThreadLocal 的缺陷，在底层设计上为啥key设为弱引用4.api机制怎么绕过双亲委派5.智力题，老人有房子，土地等资产，银行存款占40%的资产分给三个儿子，要求，资产分的过程让三个儿子都没有怨言，都觉得自己没有吃亏答得：第一个方案，资产评估，均分；第二个方案想要房子的或其他固定资产的，竞拍最高价者均分给其他两人；如果钱不够呢：虚拟标价之类的，下去看看，经典问题分粥理论，程序正义，博弈论，心理学相关的6.螺旋遍历二维矩阵，从外到内输出，核心代码模式技术主管有种压迫感啊，底层是不会，只会说八股

已挂 1.自我介绍2找一个大模型项目，技术选型，技术框架等介绍下3.bge向量化模型，看过其他模型吗，对比了吗回答的不好，没准备4.向量数据库milvus里面的ANN算法5.它和传统的算法的时间复杂度是怎么样的6.rag的切分策略是什么答得递归切分，三层策略7.LLM的提示词怎么设计的答得结合业务场景，意图识别，角色限定，模型选择，query改写，8.编写提示词有哪些经验，有参考的示例吗架构师，全站工程师，测试工程师，必须，禁止等关键词9.LLM怎么跟rag结合起来的，只听到意图识别检索测和生成侧都有10.查询结果通过精排，LLM结合输出，可以简单的这样理解吗11问答的过程，记忆是怎么实现的12.短期记忆的话涉及到多轮对话，怎么进行压缩，或者说有什么其他策略吗答得近期保留，远处的对话摘要，保持知道这样一个对话13.自我介绍的时候的时候，有做过模型的训练，基于哪个预训练模型YOLOV8，V1114.数据集是什么类型的数据集，准确度能达到多少，指标15.平常用哪些语言，mysql慢查询优化，索引优化策略16.mysql主键索引一定是连续的吗17.默认的情况设定的自增吗，连续吗18.三个线程同时写msqyl数据，第一个比如主键ID为1，第二个主键ID为2，同时向一个唯一索引的写数据，1写成功了，二失败了回滚；此时第三个线程往里面插数据，这个时候第三个线程的主键ID是三还是二呢不会19.kafka消息是怎么存储的，存储的组织结构，topic下面有很多持久化文件或者说现在输入一个id，kafka根据id怎么找到持久化的一个内容20java用的哪个版本，默认垃圾回收器是什么，G1是怎么做垃圾回收的吗可以详细讲下垃圾回收算法吗21项目里面redis除了做记忆存储还有哪些作用list set做存储，bitmap做文件上传标记22redis里面是单机，还是主从还是集群呢23.redis怎么保证高可用的不会24.集群或者是主从一个机器宕机的话，怎么故障回复的；或者说主从切换怎么做的之前有了解吗25.选主策略呢，哪个从节点优选为主节点反问ai业务，业务进度清明节前会更新吗，然后秒挂跨境电商，相关的策略相关的，推荐相关的，在做探索kafka redis高可用知识不系统，后面再看看

1.自我介绍2.大模型项目做了什么3.向量数据库流程，怎么选型，维度为啥这么选，基于之前的faiss是吗4.用相量数据库的时候，对它的性能上有什么考虑5.双向量（query改写）和单向量召回的区别是什么6.上线了吗，完整数据流向流程7.优化准确率，哪些方面优化答得摘要，上下文剪枝8.摘要怎么做的有参考openclaw9.项目做了多长时间，你参与了哪些10.主要语言java 还是 python11.java里面线程池，什么情况用答得http连接，用compltfutur 异步调用，自定义线程池，防止主线程阻塞12.线程数是怎么估计的13.syncionized锁升级了解吗，可重入锁吗14.如果不可重入，会出现什么情况syncionized一个方法，调用同类的另一个synconized方法，线程已经有锁了，死锁15.threadlocal底层原理16.学习知识的流程是什么样研究性课题，工程性课题17.openclaw 爬论文skill这块怎么做的，怎么部署的，讲下；本地部署还是买的18.工程性课题，怎么学习；多agent比单智能体好处是什么19.ppt agent是全部给智能体，还是一部分20.ai编程的范式；具体是人跟ai怎么协同的，vibe coding；21.返回数组升序排列，前k个数的一个数组，快排思路；22反问ai业务