说出来你们可能不信——这场面试是面试官主动找我约的。事情是这样的。我一直在牛客上分享面试经历上周突然收到一条私信对方说自己是字节的面试官看了我的面经觉得基础还不错问我有没有兴趣试试他们部门可以帮我内推。我当时第一反应是这不会是骗子吧确认了对方的企业邮箱之后我才把简历发了过去。结果第二天就收到了面试邀请效率快得离谱。激动归激动该准备的还是得准备。花了两天把项目和八股重新过了一遍面试聊下来整体很顺畅今天就记录一下这次面试的题目和回答希望能给同样在准备面试的朋友一些参考。文末有个小福利想要的直接划到底部。多模态结构是怎样的面试官开场就问了这个大概是看我对多模态有没有基本认知。我的回答多模态模型的核心是让LLM能看懂非文本信息。以视觉为例标准架构分三步第一步是视觉编码用ViT或者CLIP把图片转成特征向量第二步是特征对齐用适配器比如Q-Former或简单线性层把视觉特征映射到LLM的嵌入空间第三步是训练策略通常是先冻结视觉编码器和LLM只训练适配器等对齐好了再端到端微调。面试官追问为什么需要两步不能直接喂特征吗我说因为视觉特征和文本Token不在一个语义空间里直接喂LLM理解不了必须先做映射。RAG完整流程是怎样的这道题问的是RAG的标准流程我分离线在线两个阶段讲。我的回答离线阶段文档 → 格式解析PDF/Markdown/Word → 语义切分 → Embedding → 存入向量库切分原则是有结构按结构切标题/段落没结构按固定大小切512字128字重叠。在线阶段用户Query → Query改写补全指代/扩展同义 → 多路召回 → 融合排序 → Rerank → 拼Prompt → LLM生成多路召回指的是向量检索关键词检索BM25双路并行RRF融合各路结果再用Cross-Encoder做精排。面试官追问向量检索和关键词检索各自的优势是什么我说向量检索擅长语义匹配“手机能匹配iPhone”关键词检索擅长精确匹配专业术语、编号、代码两者互补。LoRA和QLoRA的区别这道题考的是参数高效微调。我的回答LoRA的原理是冻结底座模型在每一层插入一个可训练的旁路低秩矩阵其中W是原始权重冻结A和B是小矩阵可训练参数量远小于W。QLoRA是在LoRA的基础上把底座模型量化到4bit进一步压缩显存。LoRAQLoRA底座精度16bit4bit显存占用较高省60%以上效果接近全量微调接近LoRA适用场景显存充足消费级显卡QLoRA之所以能保持效果是因为虽然底座是4bit的但训练过程中的梯度计算是在BF16精度下做的量化只影响前向传播的精度。A2A和MCP分别是什么这道题考的是Agent通信协议。我的回答**MCPModel Context Protocol**是Agent和工具之间的协议解决怎么调用工具的问题。它定义了一套标准接口——工具发现、参数传递、结果返回。打个比方MCP就是AI的USB接口不管接什么工具数据库、API、文件系统协议是统一的。**A2AAgent-to-Agent Protocol**是Agent之间的通信协议解决多Agent怎么协作的问题。定义了消息格式、任务委托、结果协商。一句话总结MCP管纵向调用Agent→工具A2A管横向协作Agent↔Agent。长上下文有哪些处理方案我的回答两种思路让模型支持更长上下文位置编码扩展通过位置插值PI或NTK-aware让模型泛化到更长序列KV Cache压缩对历史Token的Key/Value做降维或筛选不喂全量改用RAG检索知识类任务用RAG比硬塞全文更优带来源引用和知识更新能力选型建议长文档总结用长上下文模型开放域问答用RAG复杂推理任务两者结合。面试官追问什么时候不能只用RAG我说需要全局理解的任务比如整本书的核心论点是什么RAG效果不好因为检索只能拿到片段看不到整体。常用的Agent框架有哪些分别适合什么场景我的回答框架定位适合场景LangChain通用框架快速搭原型、组件拼接LangGraph状态机复杂Agent循环、条件分支LlamaIndex检索框架RAG系统、知识库构建AutoGen多智能体多Agent协作、群聊Dify低代码非技术人员快速搭建个人经验做复杂状态流转选LangGraph做检索密集型选LlamaIndex做多Agent协作选AutoGen。LangChain适合验证想法但不适合上生产。多模态检索是怎么做的我的回答核心是CLIP跨模态Embedding。CLIP同时训练了图片编码器和文本编码器把两种模态映射到同一个向量空间。检索时用户文本Query过文本编码器然后去向量库里找最接近的图片向量。进阶方案是混合检索——如果图片里有文字截图、海报先用OCR提取文字然后图文双路召回用RRF融合排序用户信息和历史对话怎么存我的回答用户画像存KV数据库Redis或MySQL。用户画像是结构化数据偏好设置、常用工具、个人信息每个字段有明确的key用KV最适合。{ user_id: u123, preferred_lang: Python, timezone: Asia/Shanghai}历史对话存向量库Milvus/Pinecone。每条对话作为一个向量附带元数据时间戳、会话ID、任务类型。检索时用向量相似度元数据过滤。Agent使用时先加载用户画像再检索相关历史对话合并注入上下文。AI开发有什么心得我的回答AI辅助开发主要用在三个场景代码生成重复性代码CRUD、DTO、配置类交给AI从10分钟降到1分钟。Debug报错日志贴给Claude Code分析快速定位NPE、空指针之类的问题。测试生成写完业务逻辑后让AI生成单元测试用例框架性的东西省很多时间。整体效率提升了大概30%-40%。但有个原则必须坚持AI生成的代码要人工审查测试验证不能直接上线。你对Agent的预期是什么我的回答现状Agent还在初级阶段。能落地的多半是Workflow或简单ReAct循环远没到自主智能的程度。核心痛点还是幻觉和稳定性。未来期待长期记忆记住用户的偏好和习惯不用每次都从头理解跨App操作打通日历、邮件、文档完成复合任务主动服务不只被动回答能根据场景主动建议最终理想形态是真正的个人数字助理PDA帮用户完成事情而不只是回答问题。最后说两句这场面试从开始到结束都挺幸运的——被面试官主动捞、第二天就约面、聊得也顺畅。不过回想一下如果没有之前在牛客上持续分享面经可能也不会有这次机会。所以说到底持续输出和积累还是有用的你永远不知道谁会看到。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】