美团AI全栈开发一面面经
面试题目
实习与项目经历：
- 实习经历拷打。
- 项目中遇到的最大难点及解决方案。
RAG与检索工程： 3. RAG针对模糊提问如何精准检索：识别模糊度的方法与完整处理流程。 4. 如何平衡向量匹配与关键词匹配以解决关键词漂移问题？ 5. 混合检索RRF加权参数K的调参逻辑，业务上是否有自定义调整？ 6. 向量检索更准时，K值应调大还是调小？ 7. 查空教室+推荐火锅的场景下，多轮推理与任务调度实现方案。 8. Agent处理幻觉（如编造假教室）的链式积累问题如何解决？ 9. 若检测Agent自身也出现幻觉，工程上如何保证检测Agent的可靠性？ 10. 项目基于GPT-5.4，是否有真实用户大规模上线使用经验？ 11. 简历中提及的“测试服务耗时缩短40%”是线上数据还是个人自测？ 12. ToC产品上线如何进行敏感词及违规内容安全过滤？
AI工程化与开发实践： 13. AI辅助开发（Vibe Coding）的完整工作流程。 14. AI长任务开发中上下文丢失、需求遗忘及代码乱改的优化手段。
计算机基础： 15. 本科学习中最重要的基础技能及实践努力。 16. HTTP 1.1、2.0、3.0协议的核心区别。 17. 既然HTTP 3性能更好，为何内网微服务多用HTTP 2？HTTP 2的内网优势是什么？ 18. V8引擎的垃圾回收机制。 19. MySQL索引原理及B+树结构。 20. 向量检索算法IVF与HNSW的核心区别。 21. Java接口与抽象类的区别。 22. Java 8接口支持default方法后，抽象类存在的意义及接口无法替代的点。 23. AI Coding：现场编写一个函数。
参考解析
RAG检索优化： 关键词漂移可通过引入重排序模型（Re-ranking）解决。RRF参数K值用于平衡权重，K值越大，混合权重越平滑；向量检索更准时（Recall高）时，应调小K值以突出向量排序权重。
Agent幻觉处理： 通过引入“自我反思（Self-Refine）”循环和多Agent博弈（如检测者Agent）。工程上可通过增加思维链（CoT）验证、设置确定性判定规则，以及引入外部知识库作为Ground Truth进行校验。
HTTP协议： HTTP 2利用多路复用解决队头阻塞，HTTP 3基于UDP/QUIC解决传输层阻塞。内网微服务选择HTTP 2是因为其对gRPC支持更成熟、连接管理简单、且在稳定内网环境下延迟已足够低，HTTP 3的拥塞控制在内网优势不明显。
基础技术： B+树适合磁盘IO，通过减少层高提升查询效率。IVF通过聚类分区加速检索，HNSW通过多层图结构在召回率与耗时之间取得平衡。Java抽象类主要用于共享状态和复杂的继承体系，接口无法替代其持有非静态字段（State）的能力。