快手AI 应用 / Agent 开发面试高频题报告(统计自 28 场真实面经)
结论:在 28 场快手AI 应用 / Agent 开发的真实面经里,被问得最多的是「Agent 记忆系统的设计」(18% 的场次问到)、「Agent 执行失败或超时的处理」(18% 的场次问到)、「RAG 中 Chunk 大小怎么确定」(14% 的场次问到)。按考点看,RAG 与 Agent占 48%、Java占 10%、数据结构与算法占 10%。
最常被问到的 30 道题
| # | 题目 | 问到的场次 | 占比 |
|---|---|---|---|
| 1 | Agent 记忆系统的设计 | 5 | 18% |
| 2 | Agent 执行失败或超时的处理 | 5 | 18% |
| 3 | RAG 中 Chunk 大小怎么确定 | 4 | 14% |
| 4 | 如何防止 Agent 泄露敏感信息 | 4 | 14% |
| 5 | ConcurrentHashMap 的实现原理 | 3 | 11% |
| 6 | KV Cache 的优化 | 2 | 7% |
| 7 | 讲讲GPT的原理,以及ToT、GoT推理方法 | 2 | 7% |
| 8 | 秒杀系统设计 | 2 | 7% |
| 9 | 链表的几种经典操作 | 2 | 7% |
| 10 | 经典算法题:最长回文子串、无重复最长子串、最大子数组和 | 2 | 7% |
| 11 | Agent、MCP 与 Skills | 2 | 7% |
| 12 | RAG 混合检索与重排的价值 | 2 | 7% |
| 13 | 向量检索的原理 | 2 | 7% |
| 14 | JVM 运行时数据区 | 2 | 7% |
| 15 | 判断平衡二叉树 | 2 | 7% |
| 16 | Agent 沙箱的作用与实现方式 | 2 | 7% |
| 17 | Agent 可观测性:日志、Trace 与监控 | 2 | 7% |
| 18 | RAG 为什么需要 Rerank 及如何选型 | 2 | 7% |
| 19 | MinerU 相比传统 OCR 的优势 | 2 | 7% |
| 20 | 思维树 ToT 与思维图 GoT 的原理和应用 | 2 | 7% |
| 21 | Rerank 的 Top-k 怎么确定,怎么评估有效性 | 2 | 7% |
| 22 | 工具太多导致提示词膨胀怎么优化 | 2 | 7% |
| 23 | 如何编写和设计高质量的 Skill | 2 | 7% |
| 24 | ShardingSphere 是如何实现分库分表的? | 1 | 4% |
| 25 | LangChain 与 LangGraph 的缺点 | 1 | 4% |
| 26 | 大模型幻觉的原因与缓解方法 | 1 | 4% |
| 27 | Python 装饰器的原理与用法 | 1 | 4% |
| 28 | JVM 调优的思路与常用工具 | 1 | 4% |
| 29 | GET 和 POST 的区别 | 1 | 4% |
| 30 | 为什么用 B+ 树做索引:B+ 树、B 树与哈希索引 | 1 | 4% |
考点分布
- RAG 与 Agent48%
- Java10%
- 数据结构与算法10%
- 大模型原理与微调7%
- 推理部署与加速3%
- 系统设计与高并发3%