AI 应用开发工程师一面面经

两个入在群面我

1. 自我介绍。
2. 实习为什么没有参加转正，之后还会投相同部门或岗位吗？
3. 第三个实习异步工作流是什么框架，解决什么问题？
4. 小站点网络隔离导致升级失败，原问题和改造方案是什么？
5. DB 队列具体如何设计和执行？
   6.第二个实习搜索链路 P99 优化是如何定位、改造并验证的？
6. 并行后某个数据源仍很慢，是否一直等到两路都返回？
7. Guava / Tair 两级缓存和 JVM 本地缓存解决什么业务问题，为什么需要？
8. 本地缓存一致性是否需要考虑，当前如何处理？
9. 广播更新 JVM 本地缓存靠谱吗，有没有其他方法？
10. 第一个实习Agent Harness 服务什么场景，Runtime、Workflow 和 Node 如何分层？
11. 是否类似 Dify / 扣子，调研过哪些开源方案？
12. 分层上下文 Roadmap 怎样解决长任务历史堆积与关键证据丢失？
13. 什么时候检测并触发压缩，大 Tool Result 的阈值是什么？
14. 上一轮 Tool 返回特别长怎么办，原始结果会保留吗？
15. 摘要会影响 KV / Prefix Cache 命中吗，怎样降低影响？
16. Skill 路由评测主要评测什么，怎样做？
17. 路由差是否只改 description，Skill 很多或功能重叠时怎么办？
18. 评测面向内置 Skill 还是业务方 Skill，怎样反馈业务方优化？
19. 平时开发使用什么 AI Coding 工具和模型？
20. 对比过这些模型吗，哪个开发效率更高？
21. 为什么选择自研 Agent Runtime，而不是直接使用开源框架？
22. Runtime 的沙箱与隔离机制如何做，gVisor 是什么？
23. gVisor 与 Docker 容器、虚拟机有何不同？
24. 把本地 Coding Agent 做成多人使用的 SaaS，架构、创建、复用与销毁如何设计？
25. 编码项目的正式文件如何保存，实例销毁后怎样继续使用？
26. microVM 是什么，与普通 VM、Docker 的区别以及隔离强度如何理解？
27. Codex / Claude Code 等工具的本地沙箱如何做？

#秋招面试记录#