面灵AI→

广东亿迅科技日常实习面(已 OC):分片上传、CI/CD 与 Agent 长文档处理

轮次
一面
结果
当天下午通知通过
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 项目里的去重是怎么做的?
  3. 分片文件上传的思路是什么?
  4. 你的 CI/CD 流水线是怎么搭建的?
  5. 描述一下你项目业务的完整使用流程。
  6. 线上接口异常,返回 404 / 500 / 503,如何排查定位?
  7. 用户给到一份文档,要求 Agent 输出指定格式文章,如何设计?
  8. 文档文件大小不固定,大文档如何处理?
  9. Agent 场景下如何做上下文、记忆裁剪?
  10. 实习时间和课程安排怎么协调?

《参考解析》

去重要先问清「去什么重」:内容去重(文档 / 文章按正文指纹,如 SHA-256 或 simhash / MinHash 近似去重)、请求去重(幂等键 + Redis SETNX,防重复提交)、数据入库去重(唯一索引 + INSERT ... ON DUPLICATE KEY UPDATE,或先查后插加分布式锁)。工程上常用「两层」:入口用 Redis 挡短期重复,落库用唯一约束兜底,近似文本再用向量或 simhash 判相似。

线上 404 / 500 / 503 的定位是三条完全不同的路径:404 先看路由与网关转发(路径重写、大小写、末尾斜杠、CDN 缓存了旧路由),再看资源是否真被下线;500 是服务端异常,去日志按 traceId 捞栈、看是否是空指针 / 依赖超时 / 数据库连接耗尽;503 通常是上游不可用或限流熔断,看网关与负载均衡的健康检查、实例是否全部不健康、是否触发了限流。通用动作是「看监控大盘 → 拿 traceId 定位到具体实例 → 看该实例日志与依赖状态 → 复现」。

「让 Agent 输出指定格式文章」的设计重点是约束前置:把目标格式写成结构化 schema(章节、字数、必须包含的字段),用模板 + few-shot 示例固定结构,分两步——先让模型输出大纲并校验,再按大纲逐节生成;生成后用程序校验(正则 / JSON Schema / 字数),不合格自动重试并带上失败原因。这样比一次性让模型「写一篇格式正确的文章」稳定得多。

大文档的处理是「切分 + 检索 + 局部生成」:先抽文本、按标题层级切块、超长块再按 token 拆并保留重叠;生成时不是把所有块塞进去,而是先检索与目标相关的块,按章节任务逐块生成再汇总;对必须看全文的任务(如总结)用 map-reduce:分块摘要 → 归并摘要 → 生成终稿,并记录每段来源以便核对。

上下文与记忆裁剪的原则是「保留决策与结论、丢弃冗余过程」:短期上下文按轮次 + token 双阈值裁剪(保留 system、最近 N 轮、以及被引用过的工具结果),长期记忆抽取成结构化事实(用户偏好、已确认的结论)存外部,检索相关记忆再注入;工具的大结果先摘要再进上下文,原文留在可回查的存储里。这三层是面试里最容易被追问「具体怎么定阈值」的地方,答「按模型上下文窗口的 60%~70% 设软阈值,超了就触发压缩」比较实在。