阿里巴巴
AI全栈一面面经
完整信息
本篇目录
无手撕，以下是面试问题：
1、自我介绍一下，简单介绍自己的技术背景和AI Agent相关经历。
2、简单聊一下之前实习中负责的Agent相关业务，主要解决什么问题？整体方案是如何设计的？
3、你们项目中采用的是哪种Agent范式？为什么选择这种方案？
4、为什么使用Workflow进行任务编排，而不是直接采用ReAct模式？两者的区别以及适用场景分别是什么？
5、项目中涉及的指标数据是如何统计和验证的？评测集来源是什么？如何构建和保证评测结果可靠？
6、在Agent应用开发过程中，有没有遇到过比较典型的问题或者踩坑？后续总结出了哪些优化方法？
7、如何理解Agent中的长短期记忆？实际项目中分别如何实现？
8、是否了解KV Cache？它在大模型推理过程中起到什么作用？
9、Agent中的Skill机制了解多少？Skill渐进式加载是如何实现的？为什么需要这种设计？
10、后端基础相关问题
11、反问 #秋招面试记录#
本篇目录
当前问题0110
- 01
自我介绍一下，简单介绍自己的技术背景和AI Agent相关经历。
- 02
简单聊一下之前实习中负责的Agent相关业务，主要解决什么问题？整体方案是如何设计的？
- 03
你们项目中采用的是哪种Agent范式？为什么选择这种方案？
- 04
为什么使用Workflow进行任务编排，而不是直接采用ReAct模式？两者的区别以及适用场景分别是什么？
- 05
项目中涉及的指标数据是如何统计和验证的？评测集来源是什么？如何构建和保证评测结果可靠？
- 06
项目中涉及的指标数据是如何统计和验证的？评测集来源是什么？如何构建和保证评测结果可靠？
- 07
在Agent应用开发过程中，有没有遇到过比较典型的问题或者踩坑？后续总结出了哪些优化方法？
- 08
如何理解Agent中的长短期记忆？实际项目中分别如何实现？
- 09
是否了解KV Cache？它在大模型推理过程中起到什么作用？
- 10
Agent中的Skill机制了解多少？Skill渐进式加载是如何实现的？为什么需要这种设计？