深势科技Agent全栈开发一面（1h40min）
《面试题目》
- 以下内容通过ai进行了一些整合，本质上差不了太多，感觉这样子可能更加清晰
- 简短自我介绍。
- 确认教育背景及实习经历。
- Agent平台的多模块集成架构是如何设计的？
- Agent平台中，用户自然语言输入的具体形式是什么？
- Agent平台中共分析功能的输入输出流程及核心目的是什么？
- Agent平台中，用户输入灵活性的实现方式是什么？规则引擎如何实现（如文本规则由谁编写）？
- Agent平台的检索环节是否需要人工介入？
- Agent平台的分析结果是以何种结构化形式呈现的？是否有固定模板？
- 多Agent系统的设计动机是什么？是否用于拆解复杂任务？
- Agent平台所用模型数量有多少？模型选型策略是什么（如Embedding模型、Gimme/GPT具体版本选择依据）？
- 你在工艺Agent平台项目中主要负责哪个核心模块？
- 你负责模块内部的上下文管理机制是怎样的？上下文是否共享？状态如何流转？三级记忆存储在什么位置？
- React模式在你负责的模块中是如何应用的？
- React模式应用中，任务完成的判定条件是什么（如是否有字段缺失检查）？
- React模式应用的准确率评估依据是什么？是否基于预设客观规则？
- 项目中为何选择LangChain框架？
- LangChain框架与LlamaIndex等其他框架相比，有哪些优势和差异？你对二者的对比有什么认知？
- Skills的设计颗粒度是如何确定的？
- MCP标准协议在项目中是如何落地的？
- 工具调用与Skills之间是什么关系？
- 行业新趋势下，Claude是否可以替代现有方案？
- 你在MQE增强、PGVector向量数据库、双阶段检索及后处理环节的实际参与情况如何？
- AI Agent面向教师、学生、管理员三类用户的输入形式分别是什么（如是否支持扫描答卷）？
- 阅卷准确性的判断方法是什么？
- 主观题的评分逻辑是什么？包含模型参考评分、Prompt构造、题库整合策略及改进思路分别是怎样的？
- 编码题的评分逻辑是什么？包含模型参考评分、Prompt构造、题库整合策略及改进思路分别是怎样的？
- PostgreSQL与MySQL的特性有哪些对比？项目中为何选择对应数据库？
- Redis在项目中的用途是什么？对话内容的缓存策略、持久化设计、TTL设置分别是怎样的？
- 全局限流的实现层级是什么？是否具备动态调整能力？
- 团队协作中，代码版本管理使用了什么工具？编排工具的使用情况如何？
- 你对大模型实践有什么理解？多模态能力在项目中如何应用（如OCR文档解析所用模型是什么）？
- 你对开源模型的熟悉程度如何？
- Java、Python、C++三种主流编程语言的核心差异是什么（如类型系统、执行机制、性能表现及优化手段）？
- 跨语言对接的方式有哪些？
- API设计的核心原则是什么？
- 你对公司拟构建的科学领域文档智能解析服务平台（类似Studio）有什么理解？该平台涵盖OCR识别、结构化转换、知识抽取、论文问答、整页翻译等下游任务，支持用户上传文档、触发解析及链式Agentic工作流，你如何看待这个业务场景？
- 感觉我简历上所有东西都被问了问了一遍，[发火][发火][发火]
《参考解析》
-
MySQL深度：MySQL InnoDB使用B+树索引，支持ACID事务。关键知识点：聚簇索引（主键索引）叶节点存完整行数据；辅助索引叶节点存主键值（需回表）；MVCC通过undo log版本链+ReadView实现多版本并发控制，解决脏读/不可重复读；事务隔离级别从低到高：读未提交→读已提交→可重复读（默认）→串行化。
-
Redis核心：Redis常用数据结构：String/Hash/List/Set/ZSet。持久化：RDB（定期快照，恢复快，数据可能丢失）和AOF（追加日志，数据安全，文件大）。缓存穿透用布隆过滤器；缓存雪崩加随机过期时间+多级缓存；缓存击穿用互斥锁或逻辑过期。分布式锁用SET key value NX PX + Lua脚本保证原子释放。
-
JVM与GC：JVM内存模型：堆（对象分配，GC管理）、方法区（类信息、常量池）、虚拟机栈（栈帧/局部变量/操作数栈）、本地方法栈、程序计数器。GC算法：标记-清除（内存碎片）、标记-整理（无碎片，但移动对象）、复制（新生代）。G1按Region划分堆，预测停顿时间。
-
消息队列：消息队列解决异步解耦、流量削峰。消息可靠性：生产者confirm确认；Broker持久化；消费者手动ACK。幂等性：消费端通过唯一ID+Redis或DB乐观锁实现。顺序消息：同一业务Key路由到同一分区/Queue，单线程消费。消息积压：扩消费者+增加分区+临时跳过非关键消息。