虾皮

AI 后端开发一面面经

完整信息

14 条问法 · 12 道题

本篇目录
给我面没招了,感觉自己好菜、面试很难,还是要多多练习 1.介绍实习 2.怎么对多场景 / 多 context 的 agent 进行拆分的? 3.你刚才说到虽然对用户来说是在一个对话窗口内,但在你们看来前后诉求其实是不同业务,所以你们拆了多agent。那如果还是一个 agent、上下文和知识库也保持一个 agent,它是会记不住吗?还是为什么一定要拆? 4.你们怎么判断该调哪一个 agent?代码具体是怎么实现的? 5.你们这个 LLM 是有多个可以选的吗?还是统一用某家公司的模型,或者自己搭建的? 6.同样的问题、同样的用例去测试过不同LLM模型吗? 7.你用了 Redis 做缓存,这个具体是用在什么地方?是在知识库 / tool 之类的场景吗? 8.假如没有这个热点数据缓存,那这些数据会去哪里取? 9.但按我理解,这种链路里哪怕数据库慢一点,比如 100ms 和 10ms 或 1ms 的区别,好像也未必特别大,你怎么看? 10.你自己当时有过这种疑问吗?就是这套方案里到底需不需要上缓存? 11.假如没有缓存,或者缓存失效时还是要查数据库;而数据库又特别慢的话,你会想到哪些优化措施?如果数据量真的特别大。 12.如果做分库分表,通常只能按一个维度分,比如用户 ID。那假如我还要支持一些低频、但会按其他字段组合查询的场景,你会怎么设计? 13.我举个例子,比如订单表按订单 ID 分表,但后台页面可能要按创建时间、订单状态、店铺 ID 去查,这种低频但多条件查询的场景,你会怎么做? 手撕:三数之和
本篇目录
  1. 01
  2. 02
  3. 03
    追问
    你刚才说到虽然对用户来说是在一个对话窗口内,但在你们看来前后诉求其实是不同业务,所以你们拆了多agent。那如果还是一个 agent、上下文和知识库也保持一个 agent,它是会记不住吗?还是为什么一定要拆?
  4. 04
  5. 05
  6. 06
  7. 07
    项目追问
    你用了 Redis 做缓存,这个具体是用在什么地方?是在知识库 / tool 之类的场景吗?
  8. 08
  9. 09
    追问
    但按我理解,这种链路里哪怕数据库慢一点,比如 100ms 和 10ms 或 1ms 的区别,好像也未必特别大,你怎么看?
  10. 10
  11. 11
    追问
    假如没有缓存,或者缓存失效时还是要查数据库;而数据库又特别慢的话,你会想到哪些优化措施?如果数据量真的特别大。
  12. 12
    追问
    如果做分库分表,通常只能按一个维度分,比如用户 ID。那假如我还要支持一些低频、但会按其他字段组合查询的场景,你会怎么设计?
  13. 13
    我举个例子,比如订单表按订单 ID 分表,但后台页面可能要按创建时间、订单状态、店铺 ID 去查,这种低频但多条件查询的场景,你会怎么做?
  14. 14

相关公司