京东AI后端开发日常实习二面面经
《面试题目》
- 项目拷打与实习业务介绍
- 业务重构场景下的需求冲突处理
- 简历项目中的多人协作与项目来源
- Agent项目深度解析：RAG拆分、存储与使用逻辑
- Spring AI框架结构解析与选型理由
- 非Java Agent框架的调研情况
- 项目架构优化建议与短板分析
- Agent上下文管理机制（长期/中期/短期记忆）
- 大模型选型调研与实际应用经验
- AI辅助编程工具使用心得及代码质量提升方案
- 实习目标与业务落地快速上手路径探讨
《参考解析》
- RAG流程逻辑：核心在于召回准确率。解析应强调：数据预处理（分块/清洗）、向量化（Embedding）、向量数据库存储、以及检索（Semantic Search）+重排序（Rerank）+生成（Generation）的流水线。
- Agent上下文与记忆：短期记忆指当前对话窗口（Context Window）；中期记忆常指基于向量库的检索；长期记忆则涉及用户画像数据库或图数据库，实现跨会话的持续性。
- Spring AI框架：强调其对各厂商模型API的统一抽象（Client API）、Prompt模板化管理、以及对向量数据库的集成能力，它是Java生态与LLM交互的重要桥梁。
- AI辅助编程评估：代码质量取决于Prompt的明确度及上下文补充（RAG）。提升方案可包括：引入高质量代码库索引、使用精调模型、结合静态代码分析工具进行二次校验。