- 博客(921)
- 收藏
- 关注
RSS订阅原创 同样的大模型，为什么别人的 Agent 能稳跑 6 小时，你的 30 分钟就“胡言乱语“？秘密就在 Harness 里。
AI落地的核心挑战，正在从让模型看起来更聪明，转向让模型在真实世界里稳定地工作。Prompt解决表达，Context解决信息，Harness解决执行稳定性。三者包含而非替代。真正决定能不能落地、能不能稳定交付的，不是模型，是Harness。而Harness之外，人的动态驾驭同样不可替代。同样的模型，Harness的差距可以带来13.7个百分点的提升。在某头部AI实验室的512K行Agent项目里，95%的代码全是Harness。这不是理论，是账本。
2026-08-30 22:04:42
196
原创 字节面试：5万个敏感词库，3000字长文，要求10毫秒内审核完毕，怎么做？
DFA（确定有限自动机）听起来很高大上，但它在敏感词过滤里的本质就是构建一棵Trie 树（字典树）。通俗点说，Trie 树就像是一本超级高效的“按拼音查字法”新华字典。假设我们的敏感词库里有“赌博”、“赌局”这两个词。传统方法是存两个完整的字符串；而在 Trie 树里，内存中会构建一个树状结构：根节点往下找，有一个“赌”字节点。“赌”字往下，分出两条岔路，一条是“博”，一条是“局”。在这两个结尾字上，打上一个结束标记（End）。它最大的优势在于空间换时间。
2026-08-30 22:04:05
158
原创 面试官：聊聊你对目前主流 Agent 框架的看法，你们是怎么选型的？
上层框架只是皮囊。在真实落地时，如何通过 Harness 锁死系统的安全与成本底线，如何挂载。
2026-08-28 22:31:19
212
原创 腾讯面试：10 亿用户签到记一年，怎么算「连续 30 天」？
假设 30 天里有 30 个 1，但它们分别是月初 15 天、月末 15 天，中间断了——BITCOUNT 会开心地返回 30，但用户根本没连续签到。背这一套的价值：它同时覆盖了「存储」「key 设计」「避坑」「算法」「工程闭环」五个层次，面试官不管往哪个方向追，你都有下一句接住。真正决定答案质量的，不是你调用了哪个 Redis 命令，而是你能否一眼看出这道题考的是 key 的维度选择。原理是每次把相邻的 1 压缩成一个「连续段标记」，五步之后如果还有非零位，就一定存在长度 ≥30 的连续 1。
2026-08-28 22:30:41
140
原创 面试官：为什么全中国 10 亿人零点步数一齐清零，微信服务器却没崩？
这个案例的精髓在于“避其锋芒，借力打力”。在面对极端高并发时，顶尖的架构师从来不去硬碰硬地优化物理删除的速度，而是通过改变数据结构（引入时间版本号），把一个原本需要消耗海量算力的灾难级场景，直接消解于无形。你在面试中展示出这种“空间换时间”、“逻辑清除代替物理清除”、“分片路由隔离流量”的思维模型，正是大厂期望的高级/资深架构师所具备的技术大局观。满大街吃灰资料改不了底薪，看透业务本质的架构思维，才能真正决定职业上限。
2026-08-27 22:20:04
209
原创 拼多多二面：百亿补贴1499 飞天茅台秒杀，怎么防黄牛脚本？这题把老司机问懵了
秒杀系统，从来都不是一串简单的 Redis 扣减代码。它是一场融合了密码学、物理学、心理学以及高并发架构的全面战争。技术保证了系统的吞吐上限，而风控，才真正守住了电商平台补贴用户的初衷。
2026-08-27 22:19:34
189
原创 你让AI帮你规划三亚旅行，背后发生了什么？
从你按下回车，到AI给你推"Day1：飞三亚→入住亚龙湾→傍晚去第一市场吃海鲜→散步椰梦长廊看日落"，这11个概念全都在30秒内跑了一遍。
2026-08-26 21:54:42
225
原创 面试官：意图识别你们是怎么做的？三层漏斗架构一次讲透
它不单单做意图分类，还会搭配函数调用、MCP 协议，让大模型理解跨领域、模糊复杂的需求，直接匹配对应工具、填充执行参数，一步完成「意图识别 + 业务调用」。总结就是——简单需求低成本快速处理，复杂需求才消耗大模型算力，兼顾准确率、延迟与成本。面试官一句「意图识别你们是怎么做的」，要是你张口就来「丢给大模型让它判断不就行了」——这话一出口，面试官基本已经在心里给你画叉了。绝大多数用户问题，都必须依赖上下文才能读懂——用户只说「就这个」「还是不行」，单独一句话根本判断不了意图，必须读取完整对话历史。
2026-08-26 21:53:04
231
原创 字节面试：5万个敏感词库，3000字长文，要求10毫秒内审核完毕，怎么做？
DFA（确定有限自动机）听起来很高大上，但它在敏感词过滤里的本质就是构建一棵Trie 树（字典树）。通俗点说，Trie 树就像是一本超级高效的“按拼音查字法”新华字典。假设我们的敏感词库里有“赌博”、“赌局”这两个词。传统方法是存两个完整的字符串；而在 Trie 树里，内存中会构建一个树状结构：根节点往下找，有一个“赌”字节点。“赌”字往下，分出两条岔路，一条是“博”，一条是“局”。在这两个结尾字上，打上一个结束标记（End）。它最大的优势在于空间换时间。
2026-08-25 22:05:36
166
原创 大厂高频面试题：手机号加密存储后，如何快速按尾号查询?
面试官："在你的项目中，用户手机号是怎么存储的？我们都知道手机号属于敏感个人信息，必须加密存储。那如果现在有一个需求：运营后台需要支持，同时还要满足《个人信息保护法》和等保2.0的合规要求，你会怎么设计？
2026-08-25 22:04:45
175
原创 AI 面试官时代来了：别和算法对背八股，要去讲设计
反背诵版：0.75 是时间和空间的折中。0.75 不是拍脑袋的数字，它是「哈希冲突概率」和「空间利用率」的平衡点。HashMap 在冲突过多时会把链表转红黑树，而触发阈值 8 也是基于泊松分布算出来的——在负载因子 0.75、哈希均匀的前提下，一个桶里出现 8 个冲突元素的概率约为 0.00000006，几乎不可能。考官想听的，是你能把「魔法数字」还原成概率和成本模型：负载因子调高，空间省了但冲突链变长、退化为树的概率上升；调低，查询快了但空间浪费。这个思维框架，比背「0.75」本身值钱十倍。
2026-08-25 22:04:11
214
原创 面试绝杀！大模型必考题：多轮对话+上下文优化，满分答案直接背
核心思路：把旧笔记浓缩成摘要，不丢核心信息对话太长时，让模型把早期的零散对话，压缩成一段精简摘要，用“摘要+最近对话”替代全量历史，既省Token，又不丢对话意图。优点：保留核心信息，Token消耗骤减缺点：多一次摘要调用适用场景：智能客服、常规AI助手、中长对话面试口述：通用场景我会用滚动摘要，动态压缩早期上下文，把长对话变成精简笔记，平衡效果和成本。
2026-08-23 22:07:03
192
原创 大厂面试必考：RAG 怎么答才能让面试官觉得你“深不可测”？
RAG（检索增强生成）本质上是为大模型提供了一个动态更新的外部知识库。它通过‘先检索相关片段，后辅助生成回答’的方式，有效解决了大模型的幻觉问题和知识时效性问题。RAG 流程不是一条直线，而是一个不断震荡优化的循环。没有完美的算法，只有最适合业务场景的工程权衡（Trade-off）。比如：为了追求极速，我们可以牺牲一点 Rerank 的精度；为了处理私有数据，我们可能需要自建 Embedding 模型。
2026-08-23 22:06:27
196
原创 阿里面试：AI Agent把公司库删了，你怎么防？这道“指令注入”题干废了90%的候选人
看到了没？AI时代的安全架构，已经不是写写拦截器那么简单了。从意图审查到权限隔离，再到死循环熔断，每一环都是实打实的生产经验。掌握了这套架构思路，不仅面试横着走，真在线上跑业务你也能睡个安稳觉。大家在搞Agent的时候还踩过什么坑？来留言区，咱们一起盘盘！
2026-08-21 21:55:49
191
原创 大厂面试必考：RAG 怎么答才能让面试官觉得你“深不可测”？
RAG（检索增强生成）本质上是为大模型提供了一个动态更新的外部知识库。它通过‘先检索相关片段，后辅助生成回答’的方式，有效解决了大模型的幻觉问题和知识时效性问题。RAG 流程不是一条直线，而是一个不断震荡优化的循环。没有完美的算法，只有最适合业务场景的工程权衡（Trade-off）。比如：为了追求极速，我们可以牺牲一点 Rerank 的精度；为了处理私有数据，我们可能需要自建 Embedding 模型。
2026-08-21 21:55:05
170
原创 简历敢写“精通RAG“? 阿里一面挂了! 这3个夺命连环问,你能扛住几个?
简历写精通RAG却被面试官问哑火？只会调接口算什么精通RAG！带你深度拆解从Rerank到GraphRAG的王者演进， 硬核搞定大模型 RAG 项目落地方案。拒绝幻觉，这才是拿Offer的硬实力！
2026-08-20 21:58:47
215
原创 B站AI应用研发二面：四个开放题没聊一行代码，第三题九成人答不圆
有个读者面B站AI应用研发实习生，一面聊了四十分钟项目，八股和手撕代码都过了，感觉稳了。二面前面一切正常——项目追问、技术深挖、场景设计，常规流程走完，他觉得自己答得不错。然后面试官话锋一转："技术方面差不多了，我想跟你聊几个开放性的问题。紧接着，面试官掏出四个题，逐个深聊：你觉得AI的出现对软件工程的影响是什么？你怎么看待古法编程？低级语言到高级语言，与高级语言到自然语言，为什么不能简单类比？你觉得AI对学习的影响是什么？他听完第一反应是：开放题？随便聊聊不就行了？聊完发现不是那么回事。
2026-08-20 21:58:02
206
原创 腾讯面试：10 亿用户签到记一年，怎么算「连续 30 天」？
假设 30 天里有 30 个 1，但它们分别是月初 15 天、月末 15 天，中间断了——BITCOUNT 会开心地返回 30，但用户根本没连续签到。背这一套的价值：它同时覆盖了「存储」「key 设计」「避坑」「算法」「工程闭环」五个层次，面试官不管往哪个方向追，你都有下一句接住。真正决定答案质量的，不是你调用了哪个 Redis 命令，而是你能否一眼看出这道题考的是 key 的维度选择。原理是每次把相邻的 1 压缩成一个「连续段标记」，五步之后如果还有非零位，就一定存在长度 ≥30 的连续 1。
2026-08-20 21:57:12
238
原创 面试官问“Agent 怎么管记忆“，你只答 RAG？这说明你没真正跑过生产
优先读第 0 层上下文窗口 → 需任务状态查第 1 层 Redis 精确键值 → 需近期回溯查第 2 层会话记忆 → 跨会话查历史事实，先结构化库精确匹配，再向量库语义粗召回 → 三维加权精排，过滤过期/低重要 → 注入模型上下文完成推理。用户修改信息后，新旧冲突数据会同时存在于向量空间，无法自动覆盖失效记忆，也难以跟踪任务执行的中间状态。：稠密向量对否定不敏感，"支持退款"与"不支持退款"向量距离很近，相似度检索分不出真伪，相近向量却可能指向完全相反的事实，容易造成事实性错误。
2026-08-19 22:29:35
202
原创 面试官：爆火视频点赞每秒 10w，数据库行锁直接卡死，你怎么破？
架构师的价值，就在于面对“物理限制”（如行锁、IOPS）时，能够利用内存和异步化手段把矛盾转移。
2026-08-19 22:28:51
159
原创 阿里面试：AI Agent把公司库删了，你怎么防？这道“指令注入”题干废了90%的候选人
看到了没？AI时代的安全架构，已经不是写写拦截器那么简单了。从意图审查到权限隔离，再到死循环熔断，每一环都是实打实的生产经验。掌握了这套架构思路，不仅面试横着走，真在线上跑业务你也能睡个安稳觉。大家在搞Agent的时候还踩过什么坑？来留言区，咱们一起盘盘！
2026-08-17 22:10:30
154
原创 阿里校招 Agent 开发一面凉经｜45 分钟 14 连问，从项目拷打到技术底层，全程高压实录
召回率（Recall）= 「检索出的相关文档数量」/ 「库中所有与 query 相关的文档总数」，衡量的是检索系统能不能把所有相关内容都找出来，分母绝对不是总文档数；
2026-08-17 22:09:55
204
原创 字节一面：RAG七连问，前3题筛掉一半，最后一题几乎没人扛得住
周末有个读者找我，说他面字节 Agent 开发岗，一面聊了四十分钟项目，其中将近半小时全在追问他的 RAG 系统。不是那种"你用了什么向量数据库""chunk size 设了多少"的表面问题。是从数据源头开始，一层一层往下扒，扒到第七层，他发现自己简历上写的"基于 RAG 的智能问答系统"，其实只做了皮毛。他说面试官的追问节奏特别有意思——每个问题看起来都在上个问题的基础上往下挖，你第一个答得虚，第二个就接不住，第三个直接露馅。
2026-08-16 22:02:06
186
原创 面试官：Agent 的 Skill 上百个，模型频繁选错工具、命中率暴跌怎么破？
再往上加分，可以提两点——一是 Anthropic 的渐进加载（Progressive Disclosure），不一次性把全部 Skill 塞进上下文，先读名称+简介判断、需要才加载完整逻辑，控制上下文拥挤；这和 RAG 里「从几篇文档里找答案」到「从百万文档里检索」是同一个问题——候选越多，越不能靠「硬塞给模型」解决。这套分层路由，头部大厂的 Agent 系统基本都在用——它从结构上把「百选一」拆成「四选一 + 十选一」，复杂度断崖式下降。当时面试官追问了一句「你说不是模型的问题，那根因到底是什么」。
2026-08-16 22:00:43
148
原创 面试官：聊聊你对目前主流 Agent 框架的看法，你们是怎么选型的？
上层框架只是皮囊。在真实落地时，如何通过 Harness 锁死系统的安全与成本底线，如何挂载。
2026-08-16 21:49:43
160
原创 阿里二面挂了！被问“RAG效果不好怎么评估”，我答凭感觉，面试官：你搁这玄学炼丹呢？
RAG 开发不是在黑盒子里念咒语，而是一场极其精密的工程实践。当你能从“怎么让模型变好”跳跃到“怎么建立一根尺子，精确测量模型的每一点进步”时，你就不再是一个简单的调包侠，而是掌握了系统演进生命线的架构师。
2026-08-16 21:48:46
207
原创 字节面试：5万个敏感词库，3000字长文，要求10毫秒内审核完毕，怎么做？
DFA（确定有限自动机）听起来很高大上，但它在敏感词过滤里的本质就是构建一棵Trie 树（字典树）。通俗点说，Trie 树就像是一本超级高效的“按拼音查字法”新华字典。假设我们的敏感词库里有“赌博”、“赌局”这两个词。传统方法是存两个完整的字符串；而在 Trie 树里，内存中会构建一个树状结构：根节点往下找，有一个“赌”字节点。“赌”字往下，分出两条岔路，一条是“博”，一条是“局”。在这两个结尾字上，打上一个结束标记（End）。它最大的优势在于空间换时间。
2026-08-14 21:56:52
218
原创 简历敢写“精通RAG“? 阿里一面挂了! 这3个夺命连环问,你能扛住几个?
简历写精通RAG却被面试官问哑火？只会调接口算什么精通RAG！带你深度拆解从Rerank到GraphRAG的王者演进， 硬核搞定大模型 RAG 项目落地方案。拒绝幻觉，这才是拿Offer的硬实力！
2026-08-14 21:55:34
219
原创 字节一面：RAG七连问，前3题筛掉一半，最后一题几乎没人扛得住
周末有个读者找我，说他面字节 Agent 开发岗，一面聊了四十分钟项目，其中将近半小时全在追问他的 RAG 系统。不是那种"你用了什么向量数据库""chunk size 设了多少"的表面问题。是从数据源头开始，一层一层往下扒，扒到第七层，他发现自己简历上写的"基于 RAG 的智能问答系统"，其实只做了皮毛。他说面试官的追问节奏特别有意思——每个问题看起来都在上个问题的基础上往下挖，你第一个答得虚，第二个就接不住，第三个直接露馅。
2026-08-13 21:52:43
140
原创 2026 Java AI 选型终极指南：四大框架深度横评，谁才是真正的“全能王”？
2026 年，Java 开发者进入 AI 赛道的"入场券"越来越多，选择越多，困惑也越多。后台每天都有兄弟问我："老师，我要做一个 AI 助手，该用哪个框架？" 但问题是，不同的业务场景，答案完全不同。你是要做一个RAG 知识库问答？→ 选型逻辑完全不同于做AI Agent 自动化。你的团队是Spring 老兵？→ 和刚接触 AI 的新手，推荐路径也不一样。你的业务需要多个 AI 互相协作？→ 这时候单框架已经不够用了。今天这篇文章，我不打算讲概念，直接从工程师视角。
2026-08-13 21:51:57
180
原创 阿里二面挂了！被问“RAG效果不好怎么评估”，我答凭感觉，面试官：你搁这玄学炼丹呢？
RAG 开发不是在黑盒子里念咒语，而是一场极其精密的工程实践。当你能从“怎么让模型变好”跳跃到“怎么建立一根尺子，精确测量模型的每一点进步”时，你就不再是一个简单的调包侠，而是掌握了系统演进生命线的架构师。
2026-08-12 21:54:15
174
原创 字节一面：RAG七连问，前3题筛掉一半，最后一题几乎没人扛得住
周末有个读者找我，说他面字节 Agent 开发岗，一面聊了四十分钟项目，其中将近半小时全在追问他的 RAG 系统。不是那种"你用了什么向量数据库""chunk size 设了多少"的表面问题。是从数据源头开始，一层一层往下扒，扒到第七层，他发现自己简历上写的"基于 RAG 的智能问答系统"，其实只做了皮毛。他说面试官的追问节奏特别有意思——每个问题看起来都在上个问题的基础上往下挖，你第一个答得虚，第二个就接不住，第三个直接露馅。
2026-08-12 21:53:43
205
原创 大厂高频面试题：手机号加密存储后，如何快速按尾号查询?
面试官："在你的项目中，用户手机号是怎么存储的？我们都知道手机号属于敏感个人信息，必须加密存储。那如果现在有一个需求：运营后台需要支持，同时还要满足《个人信息保护法》和等保2.0的合规要求，你会怎么设计？
2026-08-11 22:16:13
180
原创 面试官问“Agent 怎么管记忆“，你只答 RAG？这说明你没真正跑过生产
优先读第 0 层上下文窗口 → 需任务状态查第 1 层 Redis 精确键值 → 需近期回溯查第 2 层会话记忆 → 跨会话查历史事实，先结构化库精确匹配，再向量库语义粗召回 → 三维加权精排，过滤过期/低重要 → 注入模型上下文完成推理。用户修改信息后，新旧冲突数据会同时存在于向量空间，无法自动覆盖失效记忆，也难以跟踪任务执行的中间状态。：稠密向量对否定不敏感，"支持退款"与"不支持退款"向量距离很近，相似度检索分不出真伪，相近向量却可能指向完全相反的事实，容易造成事实性错误。
2026-08-11 22:14:49
185
原创 面试官：聊聊你对目前主流 Agent 框架的看法，你们是怎么选型的？
上层框架只是皮囊。在真实落地时，如何通过 Harness 锁死系统的安全与成本底线，如何挂载。
2026-08-11 22:14:18
235
原创 同样的大模型，为什么别人的 Agent 能稳跑 6 小时，你的 30 分钟就“胡言乱语“？秘密就在 Harness 里。
AI落地的核心挑战，正在从让模型看起来更聪明，转向让模型在真实世界里稳定地工作。Prompt解决表达，Context解决信息，Harness解决执行稳定性。三者包含而非替代。真正决定能不能落地、能不能稳定交付的，不是模型，是Harness。而Harness之外，人的动态驾驭同样不可替代。同样的模型，Harness的差距可以带来13.7个百分点的提升。在某头部AI实验室的512K行Agent项目里，95%的代码全是Harness。这不是理论，是账本。
2026-08-10 15:33:26
170
原创 面试官问“Agent 怎么管记忆“，你只答 RAG？这说明你没真正跑过生产
优先读第 0 层上下文窗口 → 需任务状态查第 1 层 Redis 精确键值 → 需近期回溯查第 2 层会话记忆 → 跨会话查历史事实，先结构化库精确匹配，再向量库语义粗召回 → 三维加权精排，过滤过期/低重要 → 注入模型上下文完成推理。用户修改信息后，新旧冲突数据会同时存在于向量空间，无法自动覆盖失效记忆，也难以跟踪任务执行的中间状态。：稠密向量对否定不敏感，"支持退款"与"不支持退款"向量距离很近，相似度检索分不出真伪，相近向量却可能指向完全相反的事实，容易造成事实性错误。
2026-08-10 15:32:47
174
原创 面试官：Agent 的 Skill 上百个，模型频繁选错工具、命中率暴跌怎么破？
再往上加分，可以提两点——一是 Anthropic 的渐进加载（Progressive Disclosure），不一次性把全部 Skill 塞进上下文，先读名称+简介判断、需要才加载完整逻辑，控制上下文拥挤；这和 RAG 里「从几篇文档里找答案」到「从百万文档里检索」是同一个问题——候选越多，越不能靠「硬塞给模型」解决。这套分层路由，头部大厂的 Agent 系统基本都在用——它从结构上把「百选一」拆成「四选一 + 十选一」，复杂度断崖式下降。当时面试官追问了一句「你说不是模型的问题，那根因到底是什么」。
2026-08-10 15:32:11
159
原创 简历敢写“精通RAG“? 阿里一面挂了! 这3个夺命连环问,你能扛住几个?
简历写精通RAG却被面试官问哑火？只会调接口算什么精通RAG！带你深度拆解从Rerank到GraphRAG的王者演进， 硬核搞定大模型 RAG 项目落地方案。拒绝幻觉，这才是拿Offer的硬实力！
2026-08-09 22:17:25
212
原创 面试官：Agent 的 Skill 上百个，模型频繁选错工具、命中率暴跌怎么破？
再往上加分，可以提两点——一是 Anthropic 的渐进加载（Progressive Disclosure），不一次性把全部 Skill 塞进上下文，先读名称+简介判断、需要才加载完整逻辑，控制上下文拥挤；这和 RAG 里「从几篇文档里找答案」到「从百万文档里检索」是同一个问题——候选越多，越不能靠「硬塞给模型」解决。这套分层路由，头部大厂的 Agent 系统基本都在用——它从结构上把「百选一」拆成「四选一 + 十选一」，复杂度断崖式下降。当时面试官追问了一句「你说不是模型的问题，那根因到底是什么」。
2026-08-09 22:16:29
180
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人