AI 应用开发实习生二面面经

1. 自我介绍
2. 最长、最短可以实习多久？
3. 两个项目是否基于开源项目？具体做了哪些改进？
4. RAG 智能知识库整体架构和完整检索流程
5. 两层意图识别具体怎么设计？
6. Embedding 前置优化解决了什么问题？
7. Query 拆分成子问题有什么意义？
8. 如何保证子问题拆分准确性？
9. 一个完整 Query 为什么不能直接做一次 Embedding？
10. Query 拆分前后是否做过评测？Recall / 排名有没有提升？
11. 文档 Chunk 如何拆分？
12. Markdown 结构化 Chunk 如何处理？
13. Fixed-size + Overlap 怎么做？Overlap 设置多少？
14. Chunk 跨语义、上下文不连贯怎么办？
15. 除了 Overlap 和 LLM 判断，还有什么 Chunk 优化方法？
16. 是否对文档自身知识结构进行过优化？
17. RAG 召回链路还能怎么优化？
18. 定向检索和全库兜底为什么 Top-K 不同？
19. Rerank 的作用是什么？
20. 除了 Rerank，还有哪些提高相关性的方法？
21. 单纯使用向量检索有什么问题？
22. BM25 的基本思想
23. “能/不能”“男/女”等语义高度相似但业务含义相反的数据如何处理？
24. Metadata Filter 在检索中的作用
25. Dense + Sparse 混合检索如何设计？
26. 两路检索结果怎么融合？
27. 为什么简单给 Dense/Sparse 固定权重可能不好？
28. RRF / Reciprocal Rank Fusion 如何理解？
29. 多轮对话的上下文膨胀怎么处理？
30. 最近 N 轮 + Summary + Preference 怎么设计？
31. 摘要长度和回答 Token Budget 怎么控制？
32. ReAct、Plan-and-Execute、Reflection 分别是什么？
33. 单 Agent / Multi-Agent / Workflow 有哪些常见架构？
34. Harness 是什么？
35. Codex / Coding Agent 如何进行 Context Compression？
36. Agent 执行复杂广告分析任务时，上下文应该如何流转？
37. Plan、Task State、Tool Result 应该如何保存？
38. 一个 Tool 返回几十 KB JSON，Context 放不下怎么办？
39. 如何判断 Tool Result 中哪些信息值得进入 Context？
40. Agent Loop 中应该设计哪些上下文管理环节？
41. 如何监测 Token 使用量并触发压缩？
42. 如果需要处理一亿 / 十亿行 Excel，Agent 应该如何设计？
43. 算法题
44. 平时如何获取 AI / 技术领域的新知识？
45. 最近阅读过什么 AI / Agent 内容？
46. 反问：团队技术栈
47. 反问：面试结果时间
48. 是否有其他 Offer？
49. 该岗位意愿度如何？
50. 是否了解团队业务？

面试完两天没有回复，今天打hr电话没接直接发感谢信了[牛泪]