华为通用软件开发一至三面：Agent 项目、AI Coding 与文化面

《面试题目》

1. 拷打实习的具体情况：做了什么，怎么做的？
2. 你的 Agent 项目架构是怎样的？
3. 你的 Agent 和现在的 Agent 有什么区别？
4. 多模式 Agent 引擎是怎么做的？举例说明。
5. 记忆系统是怎么做的？
6. 针对他看出来的项目缺陷进行提问。
7. Java 熟悉吗？多线程同步的 Java 容器有哪些？
8. 怎么设计一个多线程 ID 发布器？
9. 手撕：不超过 k 种字符类型的最长连续子段。
10. 二面 AI Coding：实现一个 RAG 的双路检索。
11. 你平时怎么用 AI？如何保证准确性？
12. 自我介绍、实习情况、个人情况。
13. 你对华为了解多少？华为文化了解吗？
14. 能否接受加班？对工作地有什么要求？

《参考解析》

多线程安全的容器：分三类记。① 早期同步容器 Vector、Hashtable、Collections.synchronizedXxx——每个方法加 synchronized，串行化严重，复合操作（先检查再插入）仍不安全。② 并发容器 ConcurrentHashMap（JDK8 起用 CAS + synchronized 锁桶头 + 红黑树）、CopyOnWriteArrayList（写时复制，适合读多写极少）、ConcurrentLinkedQueue。③ 阻塞队列 ArrayBlockingQueue、LinkedBlockingQueue、PriorityBlockingQueue、SynchronousQueue，是线程池的任务队列基础。选型看读写比和是否需要阻塞语义。

多线程 ID 发布器：核心诉求是「不重不丢、有序、高并发下无锁竞争」。常见方案：① AtomicLong 的 incrementAndGet()，无锁 CAS，单机够用；高竞争下可用 LongAdder 做统计但不能保证连续序号。② 分段发号——内存里按步长批量领取号段（如每次取 1000 个）缓存，用完再取下一段，把数据库压力降到 1/1000；代价是重启会浪费一段（可用「当前最大值」记录兜底）。③ 严格全局有序且跨节点时，用雪花算法（时间戳 + 机器 ID + 序列号）或独立的发号服务（数据库自增步长 / Redis INCR / Leaf）。④ 发布场景常要求「ID 单调递增且可读」，可用「时间戳 + 业务前缀」避免纯自增暴露业务量。

不超过 K 种字符的最长连续子段：滑动窗口模板题。右指针扩张并把字符计数加入窗口 map，当窗口内不同字符数超过 K 时，左指针收缩并同步减少计数，直到不同字符数回到 K 以内；每一步用窗口长度更新答案。时间复杂度 O(n)（每个字符最多进出窗口各一次），空间 O(K)。注意 K 为 0 或字符串为空时的边界返回 0，另外要确认题目问的是「最多 K 种」而不是「恰好 K 种」。

Agent 项目的讲法：面试官通常会从「和现有 Agent 产品有什么区别」切进来，回答要给出一句可比较的定义，再展开三个支撑点——多模式引擎（不同任务走不同推理模式，如 ReAct 与 Plan-and-Execute 按任务类型路由）、记忆系统（短期/长期分层 + 压缩与召回策略）、以及可观测与评测（执行记录、指标口径）。说自己项目缺陷时不要回避，主动说出已知短板与下一步计划，比等面试官挑出来更好。

AI Coding 环节：RAG 双路检索的意思是「关键词检索 + 向量检索并行召回再融合」。作答时要说清三件事：两路各自解决什么（关键词保精确匹配、向量保语义泛化）、分数怎么融合（RRF 按排名融合，避免量纲不一致）、以及如何验证（准备一组覆盖精确/同义/无答案的查询做对比）。同时主动交代工程细节——召回结果去重、重排序、上下文装配与截断、以及权限与时间范围的过滤下推。