向量数据库 面试题
共 18 篇真实面经 · 涵盖 快手 / 恒生电子 / 开云集致 / 拼多多 / 小红书 等 15 家公司
快手二面:向量检索、Agent 上下文组织与 LoRA 原理
快手二面:介绍一个最能体现 AI 应用开发能力的项目,问是否做过大模型预训练/后训练/微调、用了什么向量数据库与检索算法怎么选、Agent 上下文如何组织、实习与个人项目分别用了哪些模型、是否接触过训推平台、了解哪些微调方法、LoRA 原理,最后手撕买卖股票。
恒生电子维护工程师一面面经
恒生电子维护工程师 27 秋招线上一面,围绕岗位匹配、甲方调研实习、RAG 分片与向量检索、环境部署、数据库基础,以及职业规划、客户冲突和抗压场景展开。
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。
拼多多服务端开发一面面经:并发幂等、Kafka 积压与向量库索引
拼多多服务端开发一面(约 50 分钟)大部分时间在深挖实习项目:并发与幂等的实现动机、Kafka 消息顺序性与积压处理、分区数怎么定,以及知识问答助手里 Chroma 与 Redis 的边界、向量库更新与索引结构;基础题考 MySQL 主从同步与一致性,最后两道算法题是数组中的三角形个数和一道较长的动态规划。
小红书全栈开发一面:分片上传与向量数据库设计
小红书全栈开发正式批一面(10 月 15 日):项目侧追问数据链路怎么设计、分片上传怎么实现、怎么解决重复上传,以及数据库上传记录与实际文件不一致(有文件但没记录)时怎么办;随后问 Redis ZSet 的底层实现与查询性能、ES 是不是实时的、延迟大概多少;再做向量数据库怎么设计、怎么优化查询准确率,最后一题是用户反映页面慢了怎么排查。
阿里云 AI Agent 开发岗面经合集:RAG 检索与存储优化
阿里云 AI Agent 开发岗两场面试合集:一面追问实习中 Agent 存储查询优化与完整存储链路,二面系统考察 RAG 的文档切分、向量与 BM25 混合检索、多跳检索、Query Rewrite、文档访问控制与长对话摘要压缩。
百度 Agent 后端三面:Agent 编排与动态知识库
百度 Agent 后端三面面经。前半场交流内部 AI 研发提效平台与动态知识库方案,后半场深挖 Agent/Skill 项目:优化前后耗时、Plan-Action 轻量化后自愈是否受损、多 Skill 串联的质量准出与性能权衡。
粤港澳大湾区国创中心三维检索后端实习一面面经
粤港澳大湾区国创中心三维检索后端实习一面面经,考察向量数据库索引、Docker、CI/CD、AI辅助开发流程、代码检索与部署。
华为AI开发一面:向量数据库选型与并查集手撕
华为AI开发一面面经,9.23面试、约1小时。前半场讲项目流程与模块划分,随后集中追问技术选型:用的什么向量数据库、为什么选它、还了解哪些、除HNSW外还有什么索引;关系型数据库用什么、会不会看慢SQL、用了哪些开源框架与组件、自己的项目有没有真上线;另有一道 Python 的 is 与 == 的区别,以及要求对自己产品线有了解,最后是25分钟的并查集手撕。
某互联网公司 测试开发实习生一面(中国交易与广告方向)
测试开发实习一面记录,面试时间被临时改到次日;题目集中在向量数据库与 RAG 的区别、向量库与 MySQL 的优劣势、向量索引类型与原理、低延迟与向量的含义,以及项目背景与架构介绍,反问环节面试官反过来讲了测开岗位职责。
云鲸智能平台开发一面面经
云鲸智能平台开发一面面经,重点考察 LangChain4j 接入大模型、流式输出性能统计、MySQL 与向量数据库优化、订单一致性以及 Java 基础。
虾皮(Shopee)Java后端实习二面
Shopee(虾皮)Java后端实习二面面经,无八股无手撕,全程拷打RAG项目细节。考察文档解析、分块策略、向量化入库选型(pgvector vs Milvus)、效果评估指标及Agent与RAG的差异。终局为AI Coding实战题。
腾讯面经-腾讯后端开发岗面经-02
腾讯后端与 TEG 面试记录,讨论 NL2SQL、知识库与向量数据库、C++ 基础及 Redis。
星龙数智 Java 后端面经复盘:从 JVM 到 RAG 落地
北京星龙数智科技 2026 年 5 月 7 日的面试复盘,前段是 Java 与 JVM 基础(类加载、双亲委派、内存区域、GC 算法、异常体系、线程池、ThreadLocal),后段转到 RAG 项目的文档处理、召回率优化与向量库选型。
快手后端开发实习二面面经
快手后端开发实习二面面经分享。面试重点围绕大模型应用落地,涵盖Milvus向量数据库选型、LangChain/LangGraph框架对比、模型评测、SFT与RL算法对比,以及MySQL锁机制与链表排序算法题。适合准备AI相关后端开发职位的同学复习参考。
3.31 美团食杂零售后端一面面经
美团食杂零售业务部后端开发一面面经。重点考察大模型项目落地经验,涵盖向量数据库选型与优化、双向量召回流程、Java线程池底层原理及锁升级机制,并包含快排相关算法题。
快手大模型应用Java二面面经
快手大模型应用开发岗位二面面经,重点考察Spring AI Alibaba框架应用、RAG检索优化策略、向量数据库索引算法、Java集合框架及设计模式。面试官深入探讨了AI辅助编程的局限性及行业趋势,并包含手撕算法环节,适合准备大模型相关Java开发的求职者参考。
快手大模型应用Java二面面经
快手大模型应用开发岗位二面面经,考察重点包括Spring AI Alibaba框架应用、RAG优化策略(如索引算法、检索与召回)、Java集合框架继承体系、设计模式及其在源码中的应用,以及大模型辅助编程的局限性探讨,最后考察了并查集算法。