面灵AI→

智加自动驾驶软件工程师一二三面:RAG 项目深挖与 HR/技术综合面

轮次
一二三面
时间
2026-10
来源
牛客网

《面试题目》

一面(9.7,60min):

  1. 自动化专业为何转程序员?
  2. reranker 是否通用?为何 AI 会误判性能瓶颈?
  3. 这个群聊卡片是不是视频或个人介绍卡片?
  4. 是否大学才开始接触计算机?
  5. reranker 是否是 RAG 通用步骤?
  6. 为什么 Code Agent 会误判性能瓶颈?
  7. 手撕:一道二维前缀和

二面(9.14,34min,HR 面): 8. 你是明年毕业的本科生对吗?有考研计划吗?为什么选择直接就业? 9. 有没有想过本科学历在部分大厂校招中不占优势,会不会损失机会窗口? 10. 快手是第一份实习吗?实习中遇到的最大挑战是什么? 11. 快手的 K 歌数字人和 IM 项目最终上线了吗?是否在实习期间上线? 12. 有没有考虑实习转正?为什么不把转正作为最优路径? 13. 外部机会怎么选择?从互联网客户端到软硬结合的 AI 自动驾驶,你的求职标准是什么? 14. 对智加科技和自动驾驶行业有什么了解? 15. 如何看待客户端这类离用户近、反馈快的工作,和自动驾驶底软/中间件这类离用户远、反馈慢的工作的成就感差异? 16. 如果只能选两到三个择业因素,你最看重什么?

三面(9.22,40min): 17. 请做个人介绍 18. 你想聊 Android,还是聊自己项目里的 Python、C++、前端技术栈? 19. 选一个你最熟悉的项目,假设对方不懂检索/RAG,从全局概念到细节介绍 20. 这个 RAG 项目里你遇到的最大难点是什么? 21. 检索里的准确率、召回率怎么定义?分子分母是什么?召回率大概是多少? 22. 为什么想到做知识库?这些东西是怎么自学的? 23. 前端是自己写的,还是基于大模型生成/优化? 24. 后端运行在云上还是本机?云服务器了解过吗? 25. 原来的单体系统里分了哪些模块?整体架构怎么拆? 26. 主站为什么慢?慢在哪里?你做了两个服务,这算微服务吗?你怎么理解微服务? 27. 服务端为什么选 C++?C++ 做 Web 服务端有没有类似 Spring、ORM 的生态?如果自己实现一个类 ORM 框架会用哪些技术? 28. Redis 有哪些数据结构或命令?用 Redis 做分布式锁应该用哪个命令、怎么实现? 29. 实习、工作或生活里有没有遇到很委屈、不公平的事? 30. 快手实习中和测试、组长、后端或产品有没有协作分歧?产品临上线改需求你怎么看? 31. 当时为什么去快手做 Android 开发?现在怎么看 Android?未来是否继续走 Android? 32. 互联网、大模型、具身智能/智驾这些方向,你想过往哪边发展?3-5 年后想成为技术专家还是管理者?

《参考解析》

准确率、召回率的定义必须能现场写出分子分母。 以检索场景为例:相关文档集合为 R、被检索出的文档集合为 A,则召回率 = |R ∩ A| / |R|(该找的找到了多少,分母是「所有真正的相关文档」),准确率(精确率)= |R ∩ A| / |A|(找出来的有多少是对的,分母是「检索出来的结果数」)。RAG 里常说的 Recall@K 是「前 K 条里是否包含正确文档」,Precision@K 是「前 K 条里正确文档的比例」。要主动补两点:① 这两个指标此消彼长(提高 K 会提升召回、降低精确),所以要用 F1 或 NDCG/MRR 这类兼顾问顺序的指标;② 准确率有个坑——分类场景下「准确率」是 (TP+TN)/总数,与检索里的精确率不是一回事,回答时要先说明语境。至于具体数值,不能编:要么给出真实评测结果(数据集规模、评测方法),要么说明「我按 X 条样本评测得到 Y,样本量小所以置信区间宽」,讲不出口径就说明没做过。

「为什么 Code Agent 会误判性能瓶颈」是个很有针对性的问题。 原因可以归为几类:① 观测缺失:Agent 只看代码不看运行时数据(没有 profiler、火焰图、真实 QPS 与延迟分布),于是凭代码直觉猜「这里有循环所以慢」;② 数据规模失真:本地跑的样本量小、数据分布与线上不同,O(n²) 的代码在小数据上根本看不出问题;③ 混淆瓶颈层次:把 CPU 热点、IO 等待、锁竞争、GC、网络往返混为一谈,实际上延迟常常来自下游调用而不是本地计算;④ 上下文偏差:既然代码里注释或提交信息说「这里做了优化」,模型会倾向于相信它。正确的做法是用数据驱动:先测分段耗时(entrypoint 埋点、火焰图、pprof/perf、分布式追踪),定位到具体函数与调用次数,再验证「改掉它延迟是否真的下降」(A/B 或开关对比)。Reranker 是否通用:它不是 RAG 的必需步骤——检索量小、相关性要求低时可以不用;它的价值在「候选集较大且排序质量重要」时最明显,因为 cross-encoder 逐对计算相关性精度高但成本随候选数线性增长,所以总是先用便宜的双塔/BM25 召回几十到上百条,再用 reranker 精排 TopN。所以正确的说法是「reranker 是精度与成本的折中手段,不是通用步骤」。

「你做的两个服务算微服务吗」这类问题,考察的是对概念的判据。 微服务的核心不是「拆成多个进程」,而是围绕业务能力独立部署、独立演进、有明确边界与契约、能独立扩缩容:每个服务有自己的数据存储(避免共享库导致的隐式耦合)、通过 API/RPC/消息通信、有独立的发布与回滚流程、失败要能隔离(熔断降级)。只把单体按技术分层(前端服务 + 后端服务)拆开、但仍共享数据库与发布节奏,那更像「分布式单体」,会同时吃到单体的耦合与分布式的复杂度。为什么选 C++ 做服务端:如果是延迟敏感、需要复用已有 C++ 库(音视频、算法、推理)、或团队本来就以 C++ 为主,那合理;否则 Web 服务端生态(框架、ORM、调试、招聘、迭代速度)Java/Go 更成熟,代价要诚实说出来。C++ 做 Web 服务的生态:网络库有 Boost.Asio、libevent/libuv、muduo、Seastar,HTTP 框架有 Drogon、oatpp、cpp-httplib,RPC 有 gRPC(C++ 是原生生实现)、Thrift,序列化有 Protobuf/FlatBuffers,但确实没有 Spring 这样的一体化生态,也没有成熟的 ORM(主流做法是查询构建器或手写 SQL 映射),依赖管理靠 vcpkg/Conan,调试与热部署体验也弱。自己实现类 ORM 会用到的 C++ 技术:编译期反射的替代方案(宏/模板元编程生成映射代码、代码生成器产出元数据)、可变参数模板 + 折叠表达式做参数绑定、type_traits/if constexpr 做类型与数据库类型的转换、RAII 管理连接与结果集生命周期、以及用 std::variant/optional 表达可空字段;难点在类型安全与 SQL 注入防护(必须用预编译参数绑定而不是字符串拼接)。Redis 分布式锁:用 SET key value NX PX ttl(value 存唯一标识如 UUID,NX 保证互斥,PX 防死锁),释放时用 Lua 脚本先比对 value 再删除(防止误删他人的锁);要讨论的边界是:业务执行时间超过 TTL 会导致锁提前失效(需看门狗续期,如 Redisson 的实现)、Redis 主从切换可能丢锁(严格场景要用 Redlock——但 Redlock 本身也争议不小,或用 fencing token + 幂等兜底),以及本地缓存 + 分布式锁组合下的可见性问题。