AI Infra一面面经

🐜ai infra一面

1、面试官人真好啊，自我介绍完我就说我的项目偏业务，看jd上的模型训练、模型推理我都没搞过。

他说没事，数据库啊啥的都会涉及到。后面果然一句infra的都没问，哈哈白看了一个周末的infra理论了。

2、然后拷问第二个项目。

2.1 你这个LangGraph路由是如何设计的，为什么要用它?

本质是个状态机，定义了xx状态，实现思路（全局状态、node定义、workflow串起来节点）

2.2 源数据是什么？如何做的预处理？

论文pdf，向量那一路用的固定长度token+overlap，语义切分那一路按段落切的（回车）

2.3 评估是怎么做的？怎么判断切的好不好？

其实我没做Recall@k这些，于是扯我做了证据溯源

2.4 你用GraphRAG了吗，怎么样，有什么优缺点？

用了，优点就是对特定专业领域，比如需要检索一些关键词的隐含关系的场景（科研）上效果好，（面试官补充：源数据准确），缺点就是离线阶段有点耗时，比如二三十篇论文的话差不多二十来分钟，单卡跑的话。（面试官说那已经很快了）

3、拷问第一个项目。

3.1 为什么做这样一个项目，出发点是什么？我看你部署到vercel了，怎么样？

vercel没跑通（尴尬，面试官怎么知道我传到vercel了）

3.2 web端还是移动端？以一个用户的角度，进去后可以干嘛？

3.3 你这个姿态分析是怎么做的？视频是放在minio里，然后是怎么处理的？

我一开始说我调了MediaPipe pose的库做姿态识别，识别到人体关机的三十多个点，然后点点相连成为向量，用cos做相似度分析，最后打分，调llm做个总评。

面试官一直在追问这里，说视频具体是如何分析的，有没有什么难点。

我有点没听懂，他说他的出发点是觉得调库+向量相似 会有些简陋。

唉能不简陋吗，我就开始扯我遇到了两个视频如何对齐的问题，目前的解决方式是设置了个滑杆用户手动调节这个偏差，后期的话可以考虑用音乐来实现。

3.4 redis缓存了什么数据？是什么类型的？key和val分别是什么？列表内部的数据究竟是什么？有没有涉及到序列化啥的？

唉这块是真尴尬，我只从功能上说了我缓存了用户自己的视频列表和姿态分析的结果。等下快去补补好嘛好的。

3.5 如果一个用户上传了个非常大的视频会怎么样，比如几G？

我说我做了限流，只可以上传小于500MB的，然后也限制了一个用户一分钟只能执行两次ai分析。

他就追问说，如果我现在这个视频就是很大又必须要上传呢？

我就说那可以设置个会员功能，付费才能上传大视频。哈哈哈哈面试官笑了一下

3.6 MQ为什么用RabbitMQ？

我就说RabbitMQ简单，可以满足可靠性。

追问可靠性是如何实现的？

发送端生产者开启确认机制，存储端设置队列持久化、消息持久化，消费端任务完成之后再ack，还设置了死信队列用来兜底。

追问消息进入死信队列会被如何处理？

答不上这个。只回答了什么时候会触发死信队列。

4、ai 相关。

你这个aicoding笔试，我看你问了个“云原生架构是什么”，“会被aicoding取代吗”，

真想找个角钻了，原来面试官还能看到我当时的prompt啊，然后他就问我会不会被取代。

你是如何看待ai coding的发展的？如何提升aicoding的能力？

唉当时顺不好口条，面试官又让我总结了一下我想说啥。

5、开放题

假如有一个业务需要你用agent实现，如何设计? 需要考虑什么？我问什么场景，他说假设现在有个很厉害的agent来做姿态分析，而不是传统后端这一套了，如何达到生产级别？

我说我实在是不懂多模态，如果是文本信息的话，生产级别肯定需要考虑多个用户同时访问的并发压力，比如看有没有一些请求能够合并，或者看这些请求有没有通用/复用的地方，设置个缓存来提高响应速度。

面试官问还有啥嘛?

then，我大脑空白了几秒钟。憋出来个，或许还可以预训练个模型，搞个舞蹈学习的垂直模型？

还有啥需要考虑的，想不出来了。

6、反问

反问了业务，面试官说了一大串，完全没听懂。

反问了agent在业务中如何体现。

反问了那您觉得aicoding会取代程序员嘛哈哈哈哈

总共50来min，无手撕，好煎熬好漫长的50min。

#发面经攒人品# #我的求职进度条# #蚂蚁#