知识库 面试题
共 38 篇真实面经 · 涵盖 某互联网公司 / 阿里 / Boss直聘 / 字节跳动 / 嘉立创 等 30 家公司
Agent 开发面试四问:PDF 带表格图片怎么分块、效果不好先看哪些指标
四道 AI 应用 / Agent 岗位的高频面试题:RAG 知识库分块时 PDF 里的表格和图片怎么保住结构、大模型回答效果不好时该先换 API 还是先看指标、token 成本怎么分析、意图识别有哪些实现路线以及各自适用场景。
阿里 Token Foundry 测开一面(1.5h):知识库测试、压测平台设计与链表题
阿里 Token Foundry(千问海外部)测试开发一面面经:时长 1.5 小时,先问 Python 装饰器、Python 与 C 的执行差异、group by/join 与索引代价,再深挖项目中的 bug 类型、测试知识库的构建与维护、知识库测试指标与自动化效果评价,重点讨论基于 Go 的推拉流压测工具设计(权限、报告、资源耗尽、分布式施压与中控探活),最后手写删除链表倒数第 n 个结点。
Boss 直聘数据开发一面:埋点去重、看板价值与 Agent 知识库召回测试
Boss 直聘数据开发一面(11.16),从学校课程与实习项目切入:原始数据清洗的去重与口径对齐、重复数据是短时还是跨天、离线任务的 T+1 处理、看板由谁提需求与如何体现业务价值,随后转向 Agent 项目——用的模型、Codex 与 Claude 的差异、知识库召回效果的测试方法、记忆隔离,最后是团队背景与反问。
字节二面 11.6:业务抽象、缓存穿透与「寿司」找多数元素
字节二面:选一个最有代表性的实习项目详细介绍,追问开发最大难点、如何抽象统一的业务执行流程、项目推进中最大的非技术困难、团队 AI 转型的方面与收益指标,再考缓存穿透,手撕「找出出现次数超过数组长度一半的数」,最后追问知识库的构建与评测。
嘉立创后端开发一二面:项目亮点、实习分工与飞书文档接 RAG
嘉立创后端开发一面以简历和经历交流为主,聊得比较投机,面完即告知通过;二面集中在项目与实习:具体介绍项目、亮点与个人创新点,实习近期做了什么、是团队安排还是自己推进,工作中怎么用 AI,飞书文档对接 RAG 知识库怎么思考和执行,以及未来职业规划。
腾讯数据工程一面:面向 Agent 的知识库、电商信息 Agent 与 AI 后的数据研发
腾讯微信电商数据团队一面(11.19):3 道 SQL 与 1 道算法题之后进入项目,围绕把 AI 接入数据链路后遇到的问题追问——Agent 知识库与 Memory 配置不足、多 Agent 自动校验的尝试,再让设计一套电商信息 Agent,并讨论 AI 普及后数据研发的工作重心变化。
10.9 360 AI 应用开发一面:知识库版本控制与 AI 工程链路
360 AI 应用开发一面:围绕知识库版本控制、商品入库与测试集、数据采集降压,穿插 ConcurrentHashMap 与 MCP 和 Skill 的区别。
字节跳动后端开发(中国交易与广告)二面面经
字节跳动中国交易与广告后端二面,50 分钟,前半段设计会议纪要 Agent,追问语音转录、节点重试、幻觉、自进化、badcase 和超大知识库;后半段两道算法:最长回文子串和千万级访问日志 Top10 IP。
字节大数据开发二面:七个问题全在 Agent 上
字节大数据开发秋招二面(约 50 分钟)面经:全程围绕 Agent 追问,从 Agent 的原理与优缺点、哪些表该进知识库、线上代码改了怎么办、为什么用 MCP 读代码、团队知识库会有什么问题,一直到 MCP 与 Skill 的区别;团队做 AI 数仓,SQL 题不难,但面评结果不理想。
飞猪测试开发一面:RAG 测试用例检索与知识库可靠性
飞猪测开一面:从实习发版节奏问起,重点深挖测试用例 RAG 检索、知识库构建与存储、召回准确率评估、新需求知识更新和 AI 辅助代码生成。
高标科技后端一面:MQTT 数据完整性、消费顺序与知识库引用
围绕两个 IoT 相关项目展开的一面:医工项目里 MQTT 数据怎么保证不被篡改、数据量多大、消费时如何防止后来先消费;无人机项目用了什么通信协议;知识库问答怎么保证答案与引用正确;以及 CAN 协议与机器人竞赛经历。
九方智投数仓二面:Agent 知识库怎么测质量,效果怎么拆模块衡量
九方智投数仓开发二面只聊了二十分钟,题目偏开放:Agent 的知识库质量怎么测、各个模块的效果怎么衡量,另外问了科研方向、Flink 原理,最后让用几个词描述自己。作者觉得问题偏抽象,没聊完就结束了。
金蝶一面软件 AI 岗:知识库实时性、授权边界与路线选择
金蝶软件 AI 岗一面十五问:从两个项目与实习里的 AI 使用切入,追问大模型相关问题的解决方式、项目架构与技术选型、知识库数据实时性怎么保证、个人项目与公司项目的差别、信息收集的授权边界,最后问在软件与 AI 两条路线之间更倾向哪一条。
金蝶软件 AI 方向软件开发一面:AOP 顺序、混合检索与 Agent 记忆
金蝶软件 AI 方向软件开发一面,30 分钟、base 深圳:先问绩点排名与竞赛经历,再考 AOP 的实现原理、AOP 与拦截器、过滤器的区别以及多个注解的执行顺序,然后深挖 Agent 项目的混合检索选型与得分融合、滑动窗口加摘要压缩的会话记忆机制、摘要不准确怎么处理、很久之前的会话再次被问到怎么办,最后问如何把知识库做成 Agent,反问加班、业务与 AI 落地、带教机制。
快手 AI 全栈开发面经:Agent Harness、沙箱与知识库两轮追问
快手 AI 全栈开发一面、二面面经:围绕 Agent Harness 的定位与实现、Agent 沙箱、知识库、多实例并发系统和一站式需求交付平台连续追问,最后落到成本与落地。
美团、阿里二面:nexus-agent-pro 项目深挖与 RAG 链路追问
美团与阿里二面围绕同一个 Agent 项目 nexus-agent-pro 展开:美团侧从项目最难的问题问到技术方案选型、大模型与向量库、Embedding 比较、文档入库与切分;阿里侧追问请求路由、语义检索与 BM25 双路召回、ReRank 截断、RAG 评测集与幻觉治理、多 Agent 拆分以及 MCP 与 Skill 的分工。
OPPO小布助手AI Agent一面面经
OPPO 小布助手 AI Agent 一面,全程围绕 Agent 工程落地展开:检查点与校验器保障长流程、幻觉的三层防护与置信度判定、多 Agent 场景下的上下文压缩、LangChain 与 LangGraph 及原生手写选型、线上限流降级熔断与自动化运维,以及知识库建设保鲜和 AI 辅助开发的信任边界。
拼多多服务端开发二面:Go 并发调度、知识库架构与 Agent 平台的不足
拼多多(PDD)服务端开发秋招二面,全程约 38 分钟:自我介绍后先深挖实习项目——业务目标、并发上的特殊设计,并追问下游 QPS 受限的原因;接着问 Go 并发原理(底层调度)、两个 goroutine 是否在同一队列、如何判断、同队列有什么好处;再问知识库的搭建方式与调用链路、自家 Agent 平台相比市场成熟产品的不足;算法题是判断数组中的数能否被等分成四组;面试官没给反问机会。
顺丰 AI 全栈一面:ReAct 循环、缓存命中率与知识库 pipeline
顺丰 AI 全栈一面面经(10 月 8 日),半小时无手撕无八股,面试官主问 AI 与实习:ReAct 循环的实现与终止条件判断、最大迭代次数的定法、实测最复杂任务,以及 prompt caching 与 KV Cache 的原理和命中率优化;后半段深入供应链知识库建设,追问 LM Wiki 从 raw 文档抽 concept/实体/边的 pipeline、节点变更的影响面分析、多语言翻译插件为什么用 ES 做语义召回。
顺丰科技 AI 开发一面:RAG 知识库、Workflow 与 Docker 部署全链路
顺丰科技 27 届 AI 开发一面:全程围绕一个 AI 应用项目深挖,从整体架构、RAG 知识库、文档切分与混合检索,一直问到 Workflow、Docker 部署、工作空间隔离和质量评测。
10.14 顺丰 AI 全栈二面:插件开发、ES 译文检索与 Agent 记忆
顺丰 AI 全栈二面面经:半小时技术面、无手撕、八股少,围绕插件开发机制与 AI 写出的代码怎么验证、机翻为什么用 ES 做相似译文召回而不是全塞提示词、知识库增量更新改用 Git PR 记录,以及 Agent 的工具选择、Chat Memory 与 MongoDB/Redis 选型展开。
淘天 AI 应用研发一面面经
淘天 AI 应用研发一面,从 MQA/GQA、token 节省、LoRA 微调、RAG 流程与性能优化、Skill 理解、知识库设计,问到 Java 垃圾回收、Spring 启动优化、索引优化和数据库锁。
途虎养车全栈业务面:RAG 知识库、索引错误与 Node.js 事件循环
途虎养车秋招全栈业务面:围绕 AI 知识库搭建、错误处理与索引、业务性能优化、自研算法选型、Node.js 事件循环和后端学习路径展开,整体是轻松的项目聊天。
途虎养车 AI 面面经(10.10)
途虎养车 AI 面面经:12 道题覆盖最具技术挑战的项目实践、项目指标与效果验证、微服务链路错误透传的拆解与选型、知识库与分层推理落地、提前自学经历、链路解析与图结构分析场景,以及挫折应对、效率提升、城市与薪资期望。
小厂智能体应用开发面经:PDF 切块、大模型 JSON 输出与 NL2SQL
某互联网公司智能体方向的 AI 应用开发面经,整场不到十分钟。考点是 PDF 文档切块与图文公式处理、大模型输出 JSON 不规范怎么兜底、记忆与知识库的测评,以及 NL2SQL 检索超出上下文限制的应对,作者自述第八题没答上、全程紧张。
小米 SOC 测开二面:知识库测试、幻觉治理与 AI 全流程测试设想
小米 SOC 测试开发二面面经,时长一小时:先问 C 语言与操作系统基础、密码算法、研究生方向与杭研院情况,再用实习项目切入测试用例设计与用例分布,接着深挖知识库的工具选型、测试思路、幻觉治理与更新机制、AI 在用例中的覆盖率,最后是一道开放题——如果做一个 AI 工具,用 AI 端到端完成一个版本的测试该怎么做、最大难点在哪里。
小天才 AI应用开发 一面:Agent 空转控制与线上效果度量
小天才 AI 应用开发一面:从 Agent 项目分工、循环空转与线上指标,问到 PPT/PDF/Word 入库、重排技术、正方形迷宫算法,以及如何向小白解释豆包的生成过程。
智谱 AI Native Builder 实习面试:31 问深挖项目与 Agent 权限
智谱 AI Native Builder 实习岗面试记录:开场是年级、住址、老家、高中、论文压力、可实习时长这类个人信息追问,中段考岗位理解与 AI 工具使用习惯,主体是围绕质量数据系统深挖系统架构、团队分工、意图识别与数据路由,再集中追问 Agent 敏感数据防导出、敏感数据权限、工具调用权限校验、越权防护,以及知识库的切分、检索与权限设计、倒排索引的匹配局限和整体效果优化,最后要求手写一个敏感数据导出拦截函数(伪代码)。
蚂蚁二面:Agent Runtime、读写鉴权与 AI Native 转型
蚂蚁二面 13 问:Agent Runtime 设计、知识库与 Skills 的分工及覆盖验证、读写操作的鉴权与风险控制、长任务中 Plan 的作用,以及 AI Native 分阶段规划与自研 Agent 还是做插件的取舍。
蚂蚁集团大模型应用面经合集:业务中台与 RAG 知识库
蚂蚁集团大模型应用方向四场面试合集:一面围绕跨境售后工单中台,追问单机迁集群的典型问题、幂等 Token 与雪花算法时钟回拨、订单状态机中间态与评论分库分表热点治理;后三面深挖 RAG 知识库的采集更新、静态知识库与动态检索取舍、图 RAG 实体一致性,以及 Agent Memory 分层晋升与 Spring AI 记忆机制。
差旅壹号Java一面 全程聊实习与规划
差旅壹号 Java 一面几乎没有技术题,围绕基本信息、实习为什么没转正、个人负责模块与交付成果、知识库相对人工的准确性、AI 工具的应用理解与踩坑案例,以及到岗时间和期望薪资展开。
华橙 Agent 评测二面面经
华橙 Agent 评测岗二面,围绕企业知识库建设、Skill 的构建方式与公司内推广效果、新需求下大模型如何一次理解到位展开追问,另有转测试岗的动机与抗压类行为题。面试官最后建议:精简 AI 测试亮点,重点突出量化指标。
科大讯飞测试开发一面面经(40min)
科大讯飞测试开发一面面经,9月22日,时长40分钟。全程围绕实习经历深挖:Go压测工具的设计与性能指标评估、从需求到发版的测试流程、最难复现bug的定位、知识库与skill的关联及效果度量,学校项目未被提问。
科大讯飞 测试开发二面(40min):知识库、测试覆盖与大模型痛点
科大讯飞测试开发二面,9 月 29 日,约 40 分钟。围绕自建知识库追问为什么搭建、落地思路、效果变化与前后差别,并延伸到测试产物覆盖度的保障策略、印象最深的 bug、Codex 使用技巧、skill 与 agent 的区别,以及大模型在测试领域的落地痛点。
上海联蔚数科 AI 工程实习生面经(Agent 八股)
上海联蔚数科 AI 工程实习生面经,约 25 分钟且几乎全是 Agent 八股,实习与后端经历一问没问。内容覆盖 harness 概念、Skills 与 MCP 的区别及数量膨胀处理、知识库、自研 Coding Agent 的上下文压缩与多 Agent 协作。
9.30 新浪测开二面
新浪广告投放部门测试开发二面面经,9 月 30 日:只问了三道题——自我介绍、知识库的来源、如何评测一个智能客服,剩下的时间面试官都在讲广告投放的底层逻辑。
微店 AI 全栈开发秋招二面:Agent 可验证性与工程边界
微店 AI 全栈开发秋招二面面经:围绕 Agent 工程化能力展开,包括如何证明 Agent 执行结果不是偶然成功、如何用步数/时间/Token/预算约束执行范围、多国家法规知识库的元数据与版本隔离、图文审核冲突的仲裁、模型调用客户端封装、配置优先级与启动校验、工具依赖与参数补全、以及 JSON 合法但语义错误怎么兜。
药明康德 AI 数据方向二面:LangGraph 与知识库方案深挖
药明康德 AI 数据方向二面面经,连续 23 题深挖 Agent 框架:LangGraph 的 state 设计与合并策略、条件边与异常分支、快照持久化与人工介入恢复、多智能体两层编排的收益与代价、混合检索融合与知识库切分方案。