快手后端开发实习一面面经
《面试题目》
- 面试官介绍团队，确认base和实习时长。
- 自我介绍。
- 项目深度剖析：系统测试、AI服务耗时、技术选型（为何选Python而非Java实现）。
- 消息队列：核心作用、与其他通信方案（RPC/HTTP）对比、为何不选HTTP同步调用。
- 性能瓶颈分析：检索与生成业务的瓶颈及优化方案。
- Java八股：JDK版本及新特性、Lambda表达式及底层原理、虚拟线程（与Go/Python协程对比）、线程与协程的区别。
- JVM：G1垃圾回收器原理、Region清理机制。
- AI八股：LangChain与LangGraph关系及机制、Java端适配调研、向量数据库Milvus索引原理。
- 大模型专项：LoRA微调原理、全量微调对比、vLLM原理、提示词工程（Few-shot/CoT）应用及版本管理、减少幻觉手段、Agent通信及Token监控与防循环机制。
- 算法题：高精度乘法。
- 反问环节。
《参考解析》
- G1垃圾回收器原理：G1将堆内存划分为多个Region，通过优先级队列记录回收价值（存活对象与回收收益），采用标记-复制算法。核心在于“停顿预测模型”，优先清理价值最高的Region。
- LoRA微调与全量微调：全量微调需更新所有参数，显存需求大。LoRA通过引入低秩矩阵更新参数，只训练极小部分参数，大大降低了显存开销，且模型权重保持不变，适合单卡微调。
- vLLM原理：核心在于PagedAttention技术，借鉴操作系统虚拟内存分页思想，解决了显存碎片化问题，极大提高了大模型推理吞吐量。
- Agent无限循环防范：设置最大执行步数（Max Steps）、调用深度控制（Recursion Limit），或引入人工干预/审核机制，并使用Token消耗配额监控告警。
- 高精度乘法思路：将数字存储在数组或字符串中，通过模拟手动乘法（逐位相乘+进位处理），最后反转并去除前导零即可实现。