公开面经常见题型（公司、职级与轮次未经逐题核验）

面试官开场问题：

"自我介绍 + 挑一个你认为最有技术含量的 AI 项目详细讲"

腾讯 Q1：如何讲清一个做过的 RAG 项目及优化手段？

🧠 图解记忆： 讲 RAG 不背组件，要讲问题、实验、指标、取舍与业务结果的证据链，只用能证明的数据。

💡 答案要点

回答框架（STAR法则）：

S（背景）：我负责的短剧平台有530万用户，日活80万，用户经常问"这个短剧在哪看""更新到第几集了"等问题。
T（任务）：需要构建一个能精准回答用户问题的知识库系统。
A（行动）：我设计了四层优化：
  1. 文档解析层：用 PDF.plumber 解析短剧介绍，用 OCR 处理截图
  2. 语义分块层：按剧情/演员/更新时间三维度切分，每块512 tokens
  3. 检索层：HNSW 索引 + BM25 混合检索，RRF 融合排序
  4. 生成层：加 "请基于以下资料回答，不要编造" 约束 prompt
R（结果）：用户问题准确率从 65% 提升到 89%，日均减少客服 30% 工作量。

追问1：分块大小怎么选的？

"我测过 256/512/1024 三个档，512 效果最好。太小（如256）切断了上下文，相关性下降；太大（如1024）引入了太多噪声。Context Cliff 的阈值是 2500 tokens，我控制在 512 是因为用户问题通常简短，512 的块既能覆盖完整语义，又不会超过阈值。"

追问2：检索用了什么向量模型？Embedding 怎么调优的？

"用的是 BGE-large-zh，1536 维。调优方法：1）用锚点文本构建难负例；2）温度从 0.01→0.05 逐步调；3）用 MRL 训练加速。最后在测试集上 Recall@10 从 78% 提升到 91%。"

腾讯 Q2：多 Agent 系统中如何通信？遇到冲突怎么办？

🧠 图解记忆： 先统一消息与状态，再按资源、结果、数据三类冲突分别治理；本质仍是分布式一致性问题。

💡 答案要点

两种通信模式：

# 模式1：中心调度（简单场景）
class CentralScheduler:
    def route(self, task):
        if "搜索" in task:
            return SearchAgent().handle(task)
        elif "生成" in task:
            return WriterAgent().handle(task)

# 模式2：P2P 通信（复杂场景，如 A2A 协议）
class Agent:
    def __init__(self, name):
        self.name = name
        self.inbox = []  # 消息队列
    
    def send(self, receiver, message):
        # 通过消息队列或 HTTP 发送
        message_queue.put({
            "from": self.name,
            "to": receiver,
            "content": message,
            "type": "request"
        })
    
    def receive(self):
        # 接收其他 Agent 的消息
        return self.inbox.pop()

冲突处理策略：

冲突类型	解决方案	代码
工具调用冲突（两个 Agent 调用同一资源）	互斥锁 + 任务队列	mutex.lock()
结果冲突（两个 Agent 输出不一致）	仲裁 Agent 投票	judge_agent.decide()
状态冲突（数据不一致）	乐观锁 + 重试	version=1, update if version==1

面试话术：

"我的多 Agent 通信用 A2A 协议，Agent 之间通过标准化消息格式通信。冲突处理分三种：资源冲突用互斥锁，输出冲突用仲裁 Agent 投票，状态冲突用乐观锁。我在订单系统用过这个，InventoryAgent 和 PaymentAgent 同时修改库存，通过消息队列串行化，完美解决了并发冲突。"

腾讯 Q3：线上 RAG 响应很慢，如何系统排查？

🧠 图解记忆： 先把总延迟拆成检索、排队、首 Token 和解码，再按 Trace 证据优化最慢的一段。

💡 答案要点

排查思路（从外到内）：

第一步：确认是 RAG 的哪一步慢？
    ├── 检索慢 → 向量数据库问题
    ├── 生成慢 → LLM 推理问题
    └── 整体都慢 → 网络/系统问题

第二步：逐层定位

排查工具和方法：

# 1. 打点计时
import time
start = time.time()
docs = vector_db.search(query_emb, k=10)
检索耗时 = time.time() - start

start = time.time()
answer = llm.generate(prompt)
生成耗时 = time.time() - start

# 2. 查看 vLLM 监控
# vLLM 自带 Prometheus metrics
# 关键指标：
#   - engine_load_percent: GPU 利用率
#   - time_to_first_token: 首 Token 延迟
#   - time_per_output_token: Token 间延迟

# 3. 查看向量数据库慢查询
# Milvus: 
#   db.config().getMetric().SlowQuery
# Pinecone:
#   index.describe_stats() 查看延迟分布

常见原因和解决方案：

原因	症状	解决
HNSW ef 参数太小	召回率低	增大 ef=200→500
向量维度太高	检索慢	用 PCA 降维
LLM GPU 利用率低	生成慢	检查 batch_size
网络带宽瓶颈	跨服务通信慢	优化序列化
KV Cache 不命中	延迟抖动	增大 cache 容量

面试话术：

"我的排查顺序是：打点确定慢在哪一步（检索还是生成）→ 看监控判断是 GPU 卡脖子还是内存瓶颈 → 最后看具体指标。生产环境我会在 RAG 链路每个节点打日志，延迟超过 500ms 自动告警。有一次排查发现是 Embedding 服务内存泄漏导致 GC 频繁，定位到修了内存管理代码后，P99 从 2s 降到 300ms。"

腾讯AI面试高频追问

追问1：vLLM 的 PagedAttention 和 SGLang 的 RadixAttention 有什么区别？

"PagedAttention 是 vLLM 的分页显存管理，每个请求的 KV Cache 按需分配，显存利用率高。RadixAttention 是 SGLang 的基数树管理，能跨请求复用相同前缀（比如 System Prompt）。对于多轮对话，SGLang 省 40-50% 显存；对于单轮问答，vLLM 性能更稳定。"

追问2：如果用户问了一个需要多跳推理的问题（比如"苹果公司CEO和谷歌CEO谁更关注环保"），你的 RAG 怎么处理？

"单级 RAG 做不到，需要：1）Query Decomposition 把问题分解成两个子问题；2）分别检索苹果CEO环保措施 和 谷歌CEO环保措施；3）最后聚合对比。如果涉及更复杂的关系，我会用 GraphRAG 构建知识图谱，通过实体关系路径找到关联信息。"

追问3：你们怎么做 RAG 的效果评估？有没有自动化的流程？

示例表达（仅在能用本人经历或可复现实验佐证时使用）： "我们用 RAGAS 四指标：Faithfulness、Answer Relevancy、Context Recall、Context Precision。每周跑一次评估，用 500 道题覆盖 5 个场景。Pipeline 是：代码变更 → 触发评估 → P80 阈值判断 → 通过才允许上线。评估结果和上次对比，下降超过 5% 自动告警。"

---