匹配口述回答：…比如电商客服的退款原因分类；响应目标与可达延迟要在实际模型、硬件和负载下验证。实际落地我很少只用一种方案，往往是组合使用。比如主链路用Function Calling，因为它兼顾了可控性和灵活性，strict工具模式本身可能已使用约束解码，关键路径还要做失败分支和业务校验，避免重复堆叠同一机制。或者对于一些高频但简单的分类，我会用微调好的小模型，只有复杂情况才调大模型。这里有个坑，就是大规模枚举可能触及具体API的schema限制、编译成本或分类难度。strict正常完成…

#封闭集合分类#约束解码#LLM 封闭标签方法对比

面试题·检索· 高德

向量数据库怎么支撑 Agent 记忆?

匹配正文：…蜜点，重叠滑动窗口防断句查询改写：利用LLM扩展同义表达，缓解query-doc语义鸿沟反馈闭环：记录"检索→使用→任务成功"链路，强化正例embedding 四、实战提升召回效果问题措施长对话上下文丢失引入摘要记忆（hierarchical memory）：短期raw对话 + 长期summarized记忆多轮指代消解失败检索时拼接历史3-5轮作为expanded query 记忆冲突/过时版本化存储 + 置信度打分，低置信记忆触发确认隐私敏感数据分级存…

#高德#重排与优化#文档处理

面试题·检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

匹配口述回答：…但前提是embedding模型要领域适配，融合参数要按场景调过。如果资源有限，我会优先把预算花在embedding模型的微调和检索链路的监控上，而不是盲目上多路召回。一句定位：RAG检索本质是召回与精度的取舍 BM25：精确关键词匹配，适合专有名词场景向量检索：语义扩展强，但依赖embedding质量混合检索：实际落地标配，RRF融合有坑场景举例：电商搜索中品牌词与长尾词的动态权重约4分钟混合检索的融合时机：先检索后融合 vs. 先融合索引再检索，后者如ColBE…

#小红书#检索方法对比#BM25 向量检索混合检索

面试题·项目与经历· 商汤科技

项目局限性与改进方向

匹配追问：…？这些改进方案中，哪些因为资源约束被迫放弃，如何权衡？团队对这些问题认知是否一致，如何推动改进落地？场景切入假设现在一个 RAG 系统在多条件问题上经常答错，但单跳问答正常。你会怎样把链路拆开，确定问题来自覆盖、召回、重排、上下文还是生成？层层追问先看端到端正确率够吗？……怎样分别测检索覆盖和排序质量？……检索正确但答案错时查什么？……改动如何灰度、回滚并证明有效？直球技术请给出 RAG 复杂问题失败的分层诊断方案，覆盖数据、召回、重排、上下文构造、生成、引用…

#项目复盘#技术债务#系统优化

面试题·项目与经历· OPPO

深度学习项目怎么介绍?

匹配口述回答：…监控、回退和人工兜底。最后用一句复盘收尾：这个项目让我确认了【真实经验】，下一步最值得做的是【有证据支持的改进】。像 Self-RAG 这种文本检索生成方法，如果项目是图像分类且没有实际使用，就不要硬塞进去。专业感来自事实链完整：目标、本人动作、实验、结果都能被追问和核验。面试前我还会准备证据索引：每个关键数字对应哪张实验表、哪段监控时间窗、哪个代码版本；并准备一个失败样本现场解释。这样被追问时可以从结论退回到原始证据，不会因为记错数字而把真实项目讲成不可核验的故事。声…

#项目经验#深度学习#模型架构

面试题·项目与经历· 商汤科技

实习项目业务场景怎么讲?

匹配口述回答：…说明规则为何覆盖不了长尾、检索是否能提供实时知识、生成是否真的必要。若只需要确定字段，可优先规则或分类模型；若知识频繁变化，可用 RAG；若需要稳定遵循某种回复格式和行为，再考虑 SFT。SFT 常用示范数据做 next-token 训练，它能适配任务分布，但不保证新增事实知识或普遍提升推理。【完整展开】行动部分按证据链描述。数据侧说明来源、许可、切分、防泄漏和质量检查；模型侧给出基线、候选方案、固定评测集与消融；系统侧说明检索、模型、规则、人工和外部工具各自边界；上线侧…

#业务理解#需求分析#技术选型

面试题·项目与经历· 京东

普通经历如何讲成就感

匹配口述回答：…明本人目标和约束讲清行动、失败和调整用正确拆分的指标证明结果解释意义与未完成部分 30秒速答 + 90秒主答 + 完整展开 RAG 的检索成功只是链路中的一环，不能代表回答忠实或最终任务成功。可继续追问如何测 context utilization，或如何为一个成就结果建立可复核证据。

#行为面试#自我认知#项目复盘

面试题·Agent· 淘天

Agent 开发框架对比

匹配口述回答：…方向。先说 LangChain，它最出名，特点是模块化、链式调用，后来加了LangGraph支持状态图。适合快速搭原型或者做[[RAG]]加Agent的混合系统。但我实际用下来有个坑：抽象层太厚，调试起来非常痛苦。比如一个多步推理流程，中间某步[[Function Calling]]返回异常，你得一层层剥开才知道是哪里的prompt写崩了。所以我的建议是，POC阶段可以用，但一旦进入生产，要么换更轻量的方案，要么你团队有足够精力去啃它的源码。说白了，LangChain适合'…

#淘天#Agent#Agent 开发框架对比

面试题·Agent· 淘天

LangChain vs AutoGPT vs BabyAGI 怎么选?

匹配口述回答：…物流，这些确定性高的环节，我用 LangChain 把 [[Function Calling]] 和 [[ReAct]] 串成固定链路，出错了可以精准定位到哪一步。但是当用户投诉说「商品和描述不符，我要投诉」，这就不是固定流程能搞定的了，需要 Agent 自己去翻聊天记录、查评价、对比商品页，这时候我会在 LangChain 的某个节点里嵌一个 AutoGPT 风格的子循环，让它自主探索，但给个时间预算和结果格式约束。混用的前提是，你得给自主循环画个圈，比如最多跑5步、预算不…

#淘天#Agent#LangChain vs AutoGPT

面试题·评估· 蚂蚁

Agent项目挑战与解决方案怎么讲?

匹配口述回答：…护成本和复杂场景串联问题技术方案：ReAct+多工具编排，关键设计是结构化Schema和人工确认节点核心挑战：工具调用幻觉、长链路超时、成本控制，以及对应的工程解法效果与迭代：量化指标提升，以及后续扩展的思考约4分钟工具数量增多时，调用准确率会下降，可以用Self-RAG让模型反思验证结果追问Self-RAG的具体实现，比如如何设计反思循环、怎么保证不增加太多延迟

#蚂蚁#评估与监控#Agent 项目经验

面试题·评估· 美团

Coding vs GUI vs Search 谁先落地?

匹配口述回答：…跑，这个闭环在Copilot上已经被验证了。搜索能力，像Perplexity那种检索加总结的pipeline也挺成熟，但本质是[[RAG]]的变体，依赖检索质量，如果知识库不干净或者query模糊，容易出[[Hallucination]]。GUI最麻烦，因为要感知屏幕、解析DOM、模拟点击，环境千变万化，窗口大小、系统版本、按钮位置稍微一变就可能失败，而且动作执行后很难自动验证目标有没有达成，你点了个保存，弹窗没出来，你都不知道是没点到还是保存成功了。再看应用场景和ROI。…

#美团#Agent#Agent 能力对比

面试题·Prompt· 科大讯飞

Prompt 设计原则有哪些?

匹配正文：…果结合本人项目回答，只填写可核验信息：任务是【真实任务】；最初失败类型是【真实 bad case】；修改了【真实 Prompt 或链路环节】；用【真实评测集与指标】验证；副作用是【真实成本、延迟或退化】；版本证据是【真实提交、实验或日志】。没有做过 A/B 测试或没有线上指标时应明确说明。

#科大讯飞#阿里#Prompt工程

面试题·检索· 网易

BM25+向量+Cross-Encoder 怎么组合?

匹配正文：…l/nDCG、端到端问答质量、延迟和成本共同选择。数据变化时持续监控两路召回贡献、重排增益和失败查询，不能把任一固定组合称为所有 RAG 系统的“黄金标准”。图解 BM25+向量+Cross-Encoder 怎么组合?图解

#网易有道#BM25向量Cross-Encoder#BM25 向量召回 Cross-Encoder

面试题·检索· 字节

两阶段 vs 端到端怎么选?

匹配口述回答：…场景，比如内部知识库就几百篇文档，直接塞进上下文，或者实时对话对延迟极度敏感，等不了检索那一下。所以落地时，我更倾向把两阶段当主链路，端到端当快速降级路径。举个例子，电商售后系统里，用户问“满减和优惠券能叠加吗”，我会先召回相关的满减规则、优惠券使用说明，再生成答案，确保每条引用都能追溯到文档。但如果用户问的是“今天天气怎么样”这种简单问题，或者检索没找到足够材料，我可以走端到端快速回答，同时监控置信度。这里有个坑：如果召回质量不行，两阶段的上限就被锁死了，所以我会特别关注…

#字节#两阶段检索与端到端生成#两阶段检索

面试题·检索· 百度

向量检索基本原理是什么?

匹配口述回答：…写的是“退费流程”，关键词可能匹配不上；向量检索会先把两段文本编码成向量，只要语义相近，距离就会比较近，所以更适合问答、推荐、[[RAG]] 这类场景。整个链路我一般按三段看：先[[向量化]]，再建索引，最后算相似度并排序。向量化就是用 Embedding 模型把 query 和文档块都转成固定维度的稠密向量。这里最关键的不是“转成多少维”，而是这个向量空间是否真的学到了业务里的语义关系。比如“退款”“退费”“售后申请”在客服场景里应该靠得很近，但“苹果”在水果场景和手机…

#百度#向量索引#向量检索原理

面试题·项目与经历· 360

扫描PDF怎么解析内容?

匹配追问：如何处理复杂表格和跨页表格的识别与还原如果OCR结果存在大量噪声，如何在RAG检索阶段保证召回质量多模态大模型（如Qwen-VL、GPT-4V）与传统OCR方案如何取舍或结合场景切入假设我们公司最近在做合同审核的自动化，用户上传的扫描件PDF纯图像，没有任何文字层。你作为技术负责人，会怎么设计流程把这些PDF里的内容解析出来？层层追问你平时处理过PDF文档吗？……如果是扫描件那种图像PDF呢？……那从图像里提取文字你会用什么技术？……提取完文字之后，怎么知道哪些是…

#文档智能#OCR#版面分析

面试题·Agent· 高德

多 Agent 协作复杂度

匹配口述回答：…瘫掉。举个例子，在客服退款场景里，单Agent要同时理解用户情绪、查订单状态、核对退款政策、生成回复，一个[[幻觉]]就能把整条链路带偏。多Agent就可以拆开：一个专注对话理解，一个专门查数据库，一个调用规则引擎做决策，最后汇总输出。每个Agent只做自己最擅长的事，错误率大大降低。但多Agent不是银弹，它引入的复杂性才是真正的挑战。先说通信。Agent之间怎么说话？得定协议，比如用JSON schema定义消息格式，是同步等结果还是异步发出去不管。N个Agent两…

#高德#Agent#多 Agent 协作复杂度

面试题·评估· 蚂蚁

Agent 项目踩坑与恢复

匹配口述回答：…团队提供【】。系统将确定性逻辑放在【规则或代码】，把需要语义判断的部分交给【模型】，并通过【工具、状态、记忆、权限、监控】形成完整链路。【事实填空】实际遇到的质量问题是【】，稳定性问题是【】，成本或延迟问题是【】。我分别用【回放/trace/压测/人工抽检】定位，实施【真实改动】，结果为【真实数字与窗口】，副作用为【】。人工接管条件和回滚方式是【】。【证据自检】我会确认有基线、版本、样本、对照和个人提交；多 Agent 如果没有相对单 Agent 的实验，就只描述设计取舍…

#蚂蚁#评估与监控#Agent 项目踩坑与恢复