面灵AI→

特斯拉 .NET 开发 三面凉经:英文面与 RAG 追问

轮次
三面
时间
2026-11
来源
牛客网

《面试题目》

  1. 英文自我介绍。
  2. Java 和 Python 的区别(英文作答)。
  3. 解释性语言和编译性语言的区别。
  4. 面向对象编程和面向过程编程的区别。
  5. 用面向对象编程设计一个系统,并追问设计。
  6. 用面向对象编程设计第二个系统,并追问设计。
  7. 三道 MySQL 八股。
  8. 二面:介绍一个后端项目,追问后端八股。
  9. 三面:你的 RAG 系统里文章数量有多少?
  10. 在这个文章数量下,是不是可以用另一种方法?
  11. Agent 相关八股。
  12. 用英文表达自己找工作的期望。
  13. 用英文表达对这个岗位的理解和期望。
  14. 反问。

《参考解析》

解释性语言与编译性语言:编译型语言在运行前把源码整体翻译成机器码,运行时直接执行,启动快、执行效率高,但跨平台需要重新编译(C、C++、Go);解释型语言在运行时逐行翻译执行,跨平台性好、开发迭代快,但执行效率较低(Python、Ruby)。Java 是混合模式:先编译成字节码,再由 JVM 解释执行,热点代码由 JIT 编译成机器码。现代语言界限模糊,Python 也有字节码编译,JavaScript 有 JIT。回答时点出「编译与解释是执行策略,不是语言属性」会更准确。

面向对象与面向过程:面向过程以「步骤」为中心,把问题拆成函数与数据流,适合逻辑线性、状态少的场景;面向对象以「对象」为中心,把数据与行为封装在一起,通过接口与多态应对变化,适合领域模型复杂、需要扩展的场景。设计一个系统时的答题结构:先列领域实体与职责、再定义实体间关系与接口、再说明扩展点(新增类型时改哪里)、最后讲取舍(为什么不用继承而用组合)。

英文表达岗位理解:准备三个短句即可:这个岗位做什么(build and maintain backend services for X)、需要什么能力(distributed systems, API design, reliability)、我为什么匹配(做过什么、能带来什么)。发音不必完美,重点是结构清楚、不背长句。

RAG 文章数量与方案选择:文章数量决定检索策略。几百到几千篇可以用向量检索加关键词混合召回,全量放内存索引也够;上万到十万级要考虑分片索引、增量更新与元数据过滤;百万级以上要引入专用向量数据库、分层召回(先粗排再精排)与缓存。另一个维度是「是否真的需要 RAG」:如果文章总量很小且更新不频繁,直接把全文放进上下文(长上下文模型)可能更简单、更准;如果问题集中在少数文档,用关键词或结构化查询更快。面试官问「这个数量下是不是可以用另一种方法」,考的是你会不会按规模与更新频率选方案,而不是默认上向量库。

Agent 相关:准备三个概念的区别:工作流编排(固定步骤)、Agent(模型自主规划与调用工具)、多 Agent(分工与协作)。再准备一个你实际做过的例子,说清工具定义、失败重试、上下文管理与评测方式。

三面挂掉的复盘方向:三面通常考深度与匹配度,失分常见于「项目讲得浅、方案说不出取舍」。改进是把每个项目准备到能回答「为什么不用另一种方案」「数据量变大十倍怎么办」「失败了怎么发现」。