Embedding 面试题
共 7 篇真实面经 · 涵盖 字节跳动 / 超星 / 美团 / 开云集致 / Klook 等 6 家公司
字节业务中台 AI 全栈凉经:三面连考项目真实性、Agent 原理与手写组件
字节业务中台 AI 全栈日常实习三面记录:一面验证实习与项目真实性、Agent 与 AI Coding 工具使用、手撕删除 B 与 AC、百度式搜索联想框的前端设计;二面深挖图片检索 Agent(Embedding 选型、BERT 分词、LangGraph 选型、Electron 与轻量化替代)、AIOps 巡检 Agent、Agent 指令合并与死循环、手写 React 递归树组件;HR 面问背景、稳定性与加班接受度。
超星 Java 开发一面:CSV 导入 OOM、线程池与 RAG 的排查链路
超星 26 届秋招 Java 开发一面:围绕实习与项目展开,包括 300MB CSV 导入为何占 1.2GB 内存、订单入库的多线程与幂等、Redis 时间窗口聚合、RAG 入库与切分、检索效果排查与过期文档治理、AI 生成代码的验证。
美团大模型应用算法一面复盘:RRF 融合、双塔与 Cross-Encoder、Golden Set 怎么建
一份按美团大模型应用算法一面进行的模拟备考复盘,三道题:RRF 融合与简单加权的区别及适用判断、Embedding 召回与重排模型在原理上的差异、Golden Set 的构建与忠实度评测的稳定性检查。复盘里承认 RRF 那题把分数和排名说串了,下一步重点补评分量表与重复评分的一致性。
开云集致 AI应用开发一面:RAG 文档溯源、版本管理与 Excel 解析
开云集致 AI 应用开发一面面经,10 道题集中在 RAG 落地:chunk 出处追溯、文档多版本管理与旧向量删除、向量库字段设计、召回率提升,以及 Excel 合并单元格处理和逐行向量化的取舍。
Klook 后端一面:抢购高并发、Redis 扣减与 RAG 里的语义断裂
Klook 后端一面围绕抢购业务连环追问:高并发怎么扛、IP 限流误伤同网段怎么办、Redis 预扣后用户不付款怎么回滚、库存回传的并发;后半段转到 RAG 的表格 embedding、表述不一致与过敏原语义理解,最后落到 HashMap 槽位计算。
字节Agent秋招二面 全程深挖RAG系统与一道随机算法
字节 Agent 方向秋招二面几乎全程压在简历上的 RAG 系统:Markdown 分块与父子块聚合、尾块处理、图片入库的推理开销、问题改写与子问题拆分、混合检索与重排,最后是一道 random5 构造 random7 的算法题。
钉钉暑期实习 Java 研发一面面经
钉钉暑期实习Java研发一面面经。面试深度考察OCR技术细节、RAG架构(ES+Milvus)、Embedding模型原理、大模型Prompt与Context Engineering,以及JVM内存管理等核心Java后端与AI工程化知识。