面灵AI→

北京华宇信息 Agent 开发二面:RAG 会话记忆、图片入库与转岗动机连环问

轮次
二面
时间
2026-10
来源
牛客网

《面试题目》

  1. 做个简单的自我介绍。
  2. gap 这半年没参加工作吗,是不着急还是觉得哪里不到位,是前两个月面试受挫了吗?
  3. 做完 Agent 项目之后,你对哪些方面理解得更深了,学到了什么?
  4. RAG 平台的会话记忆和 Agent 里的会话记忆,两者有什么联系?
  5. 文档入库时图片是怎么处理的?
  6. 检索到文本之后,如果想打开原文,怎么打开?
  7. 你们用的向量模型是什么?
  8. 有没有了解过哪个模型更合适?切分的时候是怎么切的?
  9. RAG 平台的用户是谁?
  10. 一般是什么场景,员工会去用这个平台?
  11. 为什么后来专职做前端了?
  12. 自己开发会用哪些 AI 工具?一个月烧多少 Token?
  13. 系统上线之后,有人反馈过什么问题吗,你有了解过吗?
  14. 未来一到三年,你希望自己成为一个什么样的人?
  15. AI 越来越强、编码工作越来越少,你的精力会放在哪些地方?
  16. 之前离职的原因是什么?
  17. (HR)校招入职之后是做后端吗?做的什么业务?多少人一起做,分工是什么?
  18. (HR)有过和同事意见不一致、需求没法落地的情况吗?
  19. (HR)做前端开发时,AI 写的代码在工作中的占比是多少?
  20. (HR)让 AI 写代码的过程中,遇到过比较大的问题吗?
  21. (HR)为什么会接受转岗到前端?
  22. (HR)当时的工作节奏是怎么样的?
  23. (HR)为什么会考虑离职?
  24. (HR)你是哪里人?
  25. (HR)找工作过程中遇到的最大问题是什么?
  26. (HR)期望薪资是什么情况?
  27. (HR)为什么考虑北京,家里人支持吗?
  28. 反问:什么时候出结果?

《参考解析》

两套会话记忆的联系是这场最硬的一问。RAG 平台的会话记忆偏「检索增强的上下文」:把历史问答摘要、用户画像、召回的文档片段拼进 prompt,目标是让多轮问答不丢指代。Agent 的会话记忆偏「任务状态」:目标、已执行的工具与结果、待办、失败重试记录,要能跨轮恢复执行。共同点是都要做「写什么、存哪、何时读、怎么压缩」;差别在于 Agent 的记忆必须结构化、可回放,否则工具调用会重复或错序。

图片入库要分两种意图答:一是图片里的信息要能被检索(OCR / VLM 抽取文字与图表描述,转成文本块,与图床 URL 一起入索引);二是原图要能展示(存对象存储,块里保留 URL 与页码)。原帖追问「怎么打开原文」正是在验第二层——回答里要能给出定位信息(文档 ID、页码、块偏移),前端才能跳转到对应位置。

切分策略按文档类型分层:条款/制度类按标题层级切、技术文档按代码块与段落切、表格单独成块并保留表头。chunk 大小按检索粒度定(常见 300-800 字,带 10%-20% 重叠),再用评测集验证:改切分后看召回率与答案正确率是否真的变化。

向量模型选型要讲清「通用 vs 领域」:先看中文语义检索效果与最大输入长度,再看部署成本(自建还是 API)、是否支持稀疏+稠密混合。别只报名字,要说明为什么换、换完用什么指标验证。

HR 环节的转岗与 gap 是这次的主要风险点。答法保持一致:gap 期间做了什么(项目、投递、复盘),转岗前端是业务需要 + 自己补齐了能力,离职原因是成长空间而非人际冲突。AI 写代码占比这个问题,给一个真实比例(比如 40%-60%)并说明哪些部分坚持手写(核心逻辑、边界处理),比说「全靠 AI」或「从不用」都稳。