小红书产品工程师（社区工程）面经

《面试题目》

1. 30一面
2. JMM在多线程中的管理策略是什么
3. happens-before 原则是什么
4. 并发编程的三个重要特征是什么
5. 锁如何保证原子性
6. 乐观锁和悲观锁的原理
7. Ai agent
8. 如何降低大模型幻觉
9. 知识库规模有多大
10. RAG效果不好时如何优化
11. RAG和Agent的区别
12. 你的Agent是什么类型（ReAct等）
13. Agent整体架构设计是什么
14. Tools是如何被模型理解的
15. Tools之间是否有编排/依赖关系
16. 会话记忆是怎么实现的
17. 项目是否真正落地使用，有无反馈
18. 项目是如何迭代推进的
19. 如果企业要用这个系统，最大瓶颈是什么
20. 除了存储问题，还有哪些工程问题
21. 如何防范prompt注入
22. 说说xhs的ai，使用体验如何
23. 如果在发布功能中引入ai可以从哪些方面入手
24. 引入ai会让xhs丢失活人感吗？
25. 3二面
26. 拷打做的ai agent项目30分钟，问了长会话记忆存储策略，让介绍使用场景。
27. 然后手撕，要求共享屏幕，在leetcode上直接做。第一题是215.数组中第k个最大元素，太久没学数据结构了没做出来。第二题是141.环形链表，做过但不记得了，我现想了一个方法，但追问能否优化，然后告诉我用双指针的方法实现，但我代码基础实在有点拉所以花了好长时间才a而且代码格式很丑。
28. 总体一个小时。 27暑期实习

《参考解析》

1. AI产品与 Agent 项目：回答这类问题要先讲清目标用户和业务场景，再说明模型、数据、工作流、评测指标和上线后的真实使用效果。面试官通常更看重你能否把 AI 能力转成可落地的产品闭环，而不是只罗列模型名。
2. RAG 系统：RAG 的核心是召回质量、切分策略、排序和答案可追溯。BM25 擅长关键词精确匹配，向量检索更适合语义相近的问题，工程上常用混合检索加重排来提升稳定性。
3. 进程与线程：进程是资源分配单位，线程是 CPU 调度单位。同一进程内线程共享地址空间和文件句柄，但各自拥有栈和执行上下文；回答时可结合通信方式、上下文切换成本和故障隔离展开。
4. 项目深挖：项目深挖的核心是讲清背景、目标、你的职责、关键决策、难点和结果。遇到追问时优先用数据、取舍理由和复盘说明自己的判断，而不是只描述流程。