Milvus 面试题
共 7 篇真实面经 · 涵盖 某互联网公司 / 阿里巴巴 / 字节跳动 / 百度 / 哔哩哔哩 等 6 家公司
投递平台后端面:批量导入异步化、Kafka 重消费与混合检索
一场约 45 分钟的项目深挖面,全程围绕一个招聘投递平台:接口从 12.4 秒优化到 650 毫秒的瓶颈定位与异步改造、父子任务拆分与存储、Kafka 消费位点与异常重消费、Redis 分布式锁的粒度与必要性、同一文件重复上传的去重口径,以及向量检索加 BM25 加 Rerank 的混合检索选型。面试官顺着一个点连续追问十几层,本轮没有手撕算法。
阿里 AI 应用开发实习一面:长期记忆落地、Milvus 索引选型与 Agent 执行框架
阿里 AI 应用开发实习一面:从长期记忆模块怎么从需求做到上线讲起,问 Milvus 各索引类型的构建与取舍、Agent loop 如何避免死循环与状态污染、为什么选 Milvus + Mem0 而不是 pgvector 或 ES、RAG「检索对但回答错」怎么逐段定位,最后落在多工具统一执行框架的参数校验、超时重试与权限分层。
字节面经-字节跳动数据开发与数据分析岗面经-04
字节跳动数据开发与数据分析岗两场面经合集:一场围绕湖表历史状态查询、元数据系统与文件存储的边界、问数 Skill 优化以及 AI 写 SQL 建表调优链路的落地情况;另一场集中问向量索引方案、千亿向量场景下的索引设计与十台 Redis 集群的高可用低延迟设计。
百度 Agent 后端三面:Agent 编排与动态知识库
百度 Agent 后端三面面经。前半场交流内部 AI 研发提效平台与动态知识库方案,后半场深挖 Agent/Skill 项目:优化前后耗时、Plan-Action 轻量化后自愈是否受损、多 Skill 串联的质量准出与性能权衡。
B站 AI Native 基础架构研发工程师一面:项目深挖与 Redis bitmap 追问
哔哩哔哩 AI Native 基础架构研发工程师一面面经。面试从项目的产品定位、运维排障链路一路追问到 Milvus 与 ES 的分工,随后考察 Redis 数据结构与分片上传的 bitmap 方案、Java IoC 与 AOP、MySQL 索引与 ThreadLocal,手撕删除有序链表重复元素 II。
京东后端开发岗面经:RAG 知识库、写热点优化与 Java 八股
京东后端开发岗面经:一面围绕 RAG 知识库的业务场景、高并发写热点、Milvus 选型、知识库同步与检索不准的定位,再问 CAS/ABA、线程池、ThreadLocal、B+ 树、慢 SQL、缓存击穿与 Kafka 顺序;二面聊 AI 工具链、订单对账与订单号生成时机。
京东后端一面复盘:RAG 知识库、向量库选型与 CAS 八股
京东后端一面面经,9 月 23 日,约 20 分钟。前半场深挖 RAG 知识库的写热点、Milvus 选型与检索定位;后半场 Java 八股覆盖 CAS 与 ABA、线程池、ThreadLocal、B+ 树、慢 SQL 与 Kafka 顺序性。