美团 AI 全栈开发实习一面面试题
《面试题目》
- 项目是个人项目还是实习项目？上线了吗？
- 项目里你遇到最大的难点是什么？怎么解决的？
- RAG 针对模糊提问精准检索：如何识别用户问题模糊度？完整处理流程？
- 关键词检索存在关键词漂移问题，如何平衡向量匹配 & 关键词匹配？
- 混合检索 RRF 加权参数 K，你是怎么调的？业务上有没有自定义调整？
- 向量检索更准时，K 值应该调大还是调小？
- 查空教室 + 推荐火锅，多轮推理、任务调度是怎么做的？
- 前序 Agent 编造假教室（幻觉），直接执行下一步火锅推荐，幻觉链式积累怎么处理？
- 如果检测 Agent 自身也幻觉、误判，工程上怎么解决？如何保证检测 Agent 可靠？
- 项目基于 GPT5.4，有没有真实用户大规模上线使用？
- 简历写测试服务耗时缩短 40%，是线上数据还是个人自测？
- ToC 上线有没有考虑敏感词、违规内容安全过滤？
- 开发过程有没有使用 AI 辅助开发（vibe coding）？完整工作流程是什么？
- AI 长任务开发出现上下文丢失、忘记需求、乱改代码，如何优化解决？
- 本科学习中你认为最重要的基础技能是什么？为此做了哪些努力？
- HTTP1.1、HTTP2、HTTP3 协议核心区别精华是什么？
- HTTP3 性能更好，为什么内网微服务依然多用 HTTP2？HTTP2 内网优势是什么？
- V8 引擎垃圾回收机制是什么？
- MySQL 索引原理是什么？B+树结构？
- 向量检索引擎算法 IVF、HNSW 核心区别是什么？
- Java 接口和抽象类的区别？
- Java8 接口支持 default 默认方法后，抽象类还有存在意义吗？接口无法替代抽象类的点是什么？
- AI coding 编写一个函数
- 把这套 AI 编程流程抽象成一个 Skill
《参考解析》
- RAG混合检索/RRF：RRF通过倒数排名融合结果。当向量检索更精准时，需增大向量侧权重（或降低K值以减少关键词干扰），业务上常通过对用户Query分类（短语/语义）动态调整参数。
- Agent幻觉处理：工程上采用“反思机制（Self-Correction）”与“工具调用校验”，利用结构化输出（JSON Schema）强制约束，并引入外部知识库验证关键节点，减少链式扩散。
- HTTP协议：HTTP1.1（文本/线头阻塞）、HTTP2（多路复用/二进制帧）、HTTP3（基于QUIC/UDP）。内网选HTTP2因QUIC在内核态实现复杂度高，且HTTP2在局域网低丢包环境下性能已足够且生态更成熟。
- Java接口 vs 抽象类：抽象类本质是“模板模式”，包含成员变量（状态）和构造函数，适用于具有公共属性的对象家族；接口支持多实现，偏向功能契约，不具备状态维护能力。
- 向量检索算法：IVF通过聚类将数据分桶，牺牲召回率换取速度；HNSW基于图结构构建邻居层，通过多层导航快速定位，平衡了查询速度与召回率（适合实时性要求高场景）。