公司未注明
AI相关岗位面经
完整信息
本篇目录
人工智能专业本科,做过多 Agent、RAG 和云服务器部署相关项目。这次面的是一家半导体公司的 AI 相关岗位,公司业务涉及晶圆检测和 Agent 助手。
全程约 28 分钟,主要围绕实习项目里的 Agent 记忆模块追问,中间还要求共享屏幕,现场调研成熟产品的实现。
以下根据会后纪要整理,问题不是逐字还原。
一、开场与项目背景
- 自我介绍,讲一下实习和项目经历。
- 平时对什么感兴趣?怎么学习和了解 AI 新技术?
- 自己的优势、短板,以及擅长和不擅长的技术方向。
- 有没有 DevOps、云服务器部署和全栈开发经验?项目是否上线?
- 选一段最熟悉的实习经历展开讲。
过程中还问了高考数学成绩,要求关闭简历、共享屏幕,再口头介绍项目。
二、Agent 记忆模块深挖
我从实习中的记忆模块讲起,介绍了用户隔离、用户档案、上下文压缩,以及后续接入 PostgreSQL 和 pgvector 的思路。
随后开始连续追问:
- 你说做了上下文压缩,具体怎么压缩?
- 压缩过程和 MySQL 存储分别是什么关系?
- 为什么从 MySQL 换成 PostgreSQL?
- 向量怎么生成,怎么检索?pgvector 在里面负责什么?
- 用户数据具体怎么存?如果有百万级用户,表结构怎么设计?
- 你提出的分库分表方案有依据吗,还是自己的猜想?
这部分我的回答比较偏概念,具体实现和方案依据讲得不够扎实。
三、现场调研
面试官让我用大约 5 分钟,现场查一下 DeepSeek 等产品,以及成熟 Agent 的记忆机制,全程共享屏幕。
我查到了 Claude Code、Cursor 等工具,回答的大意是“保存历史信息,需要时检索并加载到上下文”。
接着继续被追问:
- Claude Code 具体怎么实现?你确定它用了数据库吗?
- 聊天记录中的信息怎么抽取?
- 怎么判断一条信息属于用户偏好、值得保存?
- 什么情况下更新记忆?
- 你说上下文快满了再处理,怎么判断“快满了”?
- 压缩的完整过程是什么?
当时我说到了“抽取关键信息”“转成待办清单”,但没把中间的执行过程说明白。
四、最后留下的四个问题
面试官让我继续调研,整理后发给他:
- 模型上下文为什么会爆?触发处理的阈值怎么设计?
- 上下文/记忆具体怎么压缩?重点讲过程。
- 各家 Agent 产品的记忆机制是怎么设计的?
- Agent 一定需要记忆吗?现有记忆架构是否合理?
个人复盘
这次表现不理想,但问题很值得补。
最大的感受是,项目里写了“长期记忆、上下文压缩、向量检索”,就要能继续回答:谁来执行、什么时候执行、输入输出是什么、失败后怎么办,以及为什么需要这个模块。
以后介绍项目,得把自己实际实现过的、调研确认过的,以及暂时的设计设想分清楚。尤其介绍其他产品时,需要有官方文档或源码依据。
记录一下,也欢迎做 Agent 的同学交流这几个问题。
本篇目录
当前问题0123
- 01
自我介绍,讲一下实习和项目经历。
- 02
平时对什么感兴趣?怎么学习和了解 AI 新技术?
- 03
自己的优势、短板,以及擅长和不擅长的技术方向。
- 04
有没有 DevOps、云服务器部署和全栈开发经验?项目是否上线?
- 05
选一段最熟悉的实习经历展开讲。
- 06
过程中还问了高考数学成绩,要求关闭简历、共享屏幕,再口头介绍项目。
- 07
你说做了上下文压缩,具体怎么压缩?
- 08
压缩过程和 MySQL 存储分别是什么关系?
- 09
为什么从 MySQL 换成 PostgreSQL?
- 10
向量怎么生成,怎么检索?pgvector 在里面负责什么?
- 11
用户数据具体怎么存?如果有百万级用户,表结构怎么设计?
- 12
你提出的分库分表方案有依据吗,还是自己的猜想?
- 13
面试官让我用大约 5 分钟,现场查一下 DeepSeek 等产品,以及成熟 Agent 的记忆机制,全程共享屏幕。
- 14
Claude Code 具体怎么实现?你确定它用了数据库吗?
- 15
聊天记录中的信息怎么抽取?
- 16
怎么判断一条信息属于用户偏好、值得保存?
- 17
什么情况下更新记忆?
- 18
你说上下文快满了再处理,怎么判断“快满了”?
- 19
压缩的完整过程是什么?
- 20
模型上下文为什么会爆?触发处理的阈值怎么设计?
- 21
上下文/记忆具体怎么压缩?重点讲过程。
- 22
各家 Agent 产品的记忆机制是怎么设计的?
- 23
Agent 一定需要记忆吗?现有记忆架构是否合理?