面灵AI→

小厂 AI 应用开发面:RAG 幻觉、三级上下文压缩与工具幂等

某公司 AI 应用开发

小厂 AI 应用开发岗面试:技术面围绕 RAG 幻觉的定位与缓解、超长上下文的三级压缩及各级触发条件、工具执行中断后的幂等恢复、Checkpoint 存储粒度、知识库离线与在线全链路、文档提示词注入防护,以及「306 条攻击任务 0% 成功率」的指标口径;后半段问居住地、实习起止与离职原因、薪资和职业规划。

2026-11

投递平台后端面:批量导入异步化、Kafka 重消费与混合检索

某互联网公司 后端开发 二面

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。

2026-11

RAG 取不到数据怎么排查?三个回答层次见水平

某互联网公司 AI 应用开发

AI 岗面试真题「RAG 取不到数据,你怎么排查?」的三层答法对比:只说要换 embedding、调 topK 与阈值的背题式回答;按数据是否入库、chunk 切分、query 匹配、rerank 四层定位的项目级回答;以及只有真在生产环境踩过坑才说得出的细节——表格被当纯文本切掉行列结构、口语化提问需要先改写再检索。

2026-10

长鑫存储 Agent 开发实习一面:BM25、双路召回与 Rerank

长鑫存储 Agent 开发(实习) 一面

长鑫存储 Agent 开发实习一面,全程围绕简历里的 Agent 项目与一个 Java 后端项目展开,会当场打开 GitHub 核对提交记录;技术追问集中在 BM25 的底层原理、为什么要做稀疏稠密双路召回、Rerank 的算法原理、Agent 业务框架与多租户设计,没有手撕。作者 9.28 投递、9.30 约面、10.9 一面,10.13 拿到 offer。

2026-10

快手可灵 AI 全栈开发一面:RAG 链路、Rerank 原理与 TopK 的收益反转

快手 AI 全栈开发(可灵) 一面

快手可灵 AI 全栈开发一面全程围绕 RAG:完整链路怎么拆、Rerank 为什么有效以及 Cross-Encoder 与 Bi-Encoder 的结构差异、优化怎么证明真的有效(Recall@K / MRR / NDCG 与生成侧指标)、TopK 调大为什么反而让准确率下降、多模态文档怎么入库与跨模态检索,以及离线评测很好但线上答非所问该怎么定位。

2026-10

虾皮 AI 应用开发一面复盘:从 RAG 链路到工程稳定性

虾皮 AI应用开发 一面

虾皮秋招 AI 应用开发一面复盘:面试官每个问题都追数据与细节,覆盖 RAG 在线链路与多路召回融合(RRF、去重、配额、Rerank 超时降级)、评测体系与重构等价性验证、AB 实验口径与体验护栏、Kafka 压测与故障注入、以及用 AI 写代码的 spec 与验收标准,最后手写二叉树中序遍历。

2026-10