退休的汤姆-CSDN博客

原创字节一面：Agent长短期记忆怎么做？千万别只答滑动窗口和向量库了！

做 Agent 开发，千万别被学术界的论文和玩具 Demo 忽悠了。所谓的长短期记忆，扒掉 AI 的外衣，本质上就是咱们后端架构师最熟悉的多级缓存、异构数据同步、读写分离、事件驱动架构。对数据的一致性保持敬畏之心，把大模型仅仅当作一个 “计算节点”，而不是万能的存储节点，这才是我们后端老兵在 AI 时代的核心竞争力。回到最开头的面试题，当面试官问你 “Agent 长短期记忆怎么落地”，别再只答 RAG 和向量库了。把这套大厂落地的异构架构、同步异步双链路、分层存储。

2026-08-30 22:06:11 137

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。

2026-08-30 22:04:13 151

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。

2026-08-30 22:03:10 142

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。

2026-08-30 22:02:39 194

原创面试官：“你一天烧几十个token也好意思面AI应用开发？”我镇定自若：“我烧的不是token，是我的热情。”面试官：“明天二面。”

当我们把大模型作为一个核心组件接入业务系统时，第一步就是要抛弃拟人化的业务直觉，建立起工程师的客观视角。Token 是成本与性能的物理标尺：它不仅决定了你的计费账单和推理延迟，更决定了模型对文本的理解粒度。做容量规划时，必须按 Token 算账，而不是按字数算账。上下文窗口是极其稀缺的资源：哪怕模型宣称支持 1M 上下文，也不意味着可以毫无节制地堆砌数据。为 Prompt、RAG 检索片段、历史对话和输出预留做好严格的 Token 预算分配，是走向生产环境的必修课。采样参数是业务场景的调音台。

2026-08-28 22:29:41 206

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！

2026-08-28 22:29:05 166

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。

2026-08-28 22:28:21 210

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！

2026-08-27 22:19:42 222

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。

2026-08-27 22:18:32 168

原创 B站二面：设计一个“评论盖楼”系统，我只答了“递归”，面试官笑了：你连索引都不会建？

技术面试考的从来不是你能不能写出代码，而是你“见过多少世面”。能用扁平化解决的，绝不搞递归；能用 MQ 异步的，绝不搞同步阻塞。这套扁平化存储 + Redis ZSet + MQ 异步的组合拳，不仅能解决评论系统，帖子的回复、IM 群聊消息通通都能用！

2026-08-27 22:17:48 206

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；

2026-08-26 21:53:19 199

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。

2026-08-26 21:51:42 173

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！

2026-08-26 21:51:03 194

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。

2026-08-25 22:03:55 235

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。

2026-08-25 22:02:59 189

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。

2026-08-25 22:02:10 168

原创字节 AI 二面挂了！被问“RAG 召回率只有 60% 怎么救？”，我答了换模型，面试官：你回去等通知吧！

RAG 系统的调优，本质上是对数据分布的极致掌控。如果你只会调包、调 API，那你永远只是个“提示词工程师”。在大厂 AI 面试中，能聊出“父子索引的权衡”“Rerank 的计算开销与效果平衡”、以及“如何评估召回质量（Hit Rate/MRR）”，这才是你的身价所在。

2026-08-23 22:07:44 132

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。

2026-08-23 22:06:07 213

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。

2026-08-23 22:05:36 179

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；

2026-08-23 22:05:06 155

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」。

2026-08-21 21:55:54 151

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。

2026-08-21 21:55:11 174

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。

2026-08-21 21:54:22 205

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。

2026-08-20 21:58:24 188

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。

2026-08-20 21:57:54 187

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」。

2026-08-19 22:28:23 232

空空如也

空空如也