面灵AI→

字节后端 / Agent 开发二面:Ontology 平台深挖与每秒一万任务的延迟调度设计

字节跳动 后端开发(Agent 方向) 二面

字节后端 / Agent 开发二面,约 54 分钟,线上技术面加在线 Coding。前半段深挖实习的 Ontology 平台:16 个业务本体、30 多个 Action 用什么管理,元数据怎么被消费,HTTP 到 JSF RPC 的柔性调用链是什么,平台效果与业务收益如何衡量,以及 Ontology 为什么在 AI 背景下重新受关注;随后问确定性规则与幻觉治理(前置 JSON Schema 校验、后置规则断言)。系统设计题是每秒约一万个提交、支持取消的延迟任务模块,连追轮询间隔、批量大小、多实例重复消费与是否需要外部持久化。最后看个人博客、问 AI 学习路径与《Attention Is All You Need》、多头注意力,Coding 是组合总和。

2026-11

淘天 AI Agent 二面:幻觉治理、评测闭环与十万条轨迹的后训练取舍

淘天 AI Agent 应用研发 二面

淘天 AI Agent/大模型应用研发二面:没有传统后端八股,全程围绕两段 Agent 经历深挖。链路部分追问纯 LLM 方案为什么失败、如何演进到 Code + LLM、换更强模型是否解决;评测部分追问指标口径、评测集与 Ground Truth 来源、线上 badcase 回流与自迭代;建模部分追问 Ontology 与 Action 的语义统一边界、新增 Action 的完整流程;执行部分追问第三步失败后的重规划与并行调度;最后落到十万条轨迹的清洗、哪些问题该改提示词与工具、哪些进后训练,以及两条都成功的轨迹怎么构造 DPO 偏好对。

2026-11

阿里云后端 / Agent 二面 55 问:从 Ontology、DDD 问到 KV Cache 与分布式锁

阿里云 后端开发(Agent 方向) 二面

阿里云后端 / Agent 方向二面,55 问,覆盖面很宽:先用 Ontology、Action、柔性引擎与 MCP 的对比验证京东项目的真实性,再问数据处理从 12 小时降到 2 小时的 OOM 与并行优化,接着是 DDD 建模(限界上下文、聚合根、防腐层、贫血与充血),然后扫 Transformer、KV Cache、数据并行/张量并行/流水线并行,最后是 Redisson 分布式锁、一致性哈希、动态代理、JVM 内存区与一道海量数据求中位数的口述算法题。

2026-11