跳到主要内容
面试之前，先来面栈
搜索
真实面经
/
快手
快手
21
篇面经
·
323
道面试题
收藏公司
官方招聘
↗
开始复习
→
面经
21
面试题
323
知识分类
知识分类
模型基础与推理
RAG 与知识系统
Agent 原理与系统
AI 应用工程与治理
模型训练与对齐
软件工程基础
算法与编程题
项目与综合面试
知识分类
知识专题
知识专题
安全、权限与人工介入
安全与认证
并发与异步编程
操作系统与 Linux
测试工程与质量保障
产品场景、业务价值与交付边界
多 Agent 编排与协作
多模态与生成模型
个人介绍与教育经历
工具调用与 Function Calling
工作流、状态与执行恢复
规划、推理与任务执行
混合检索与重排序
机器学习与推荐系统
记忆系统
技术决策与业务理解
开发工具与工程实践
可观测性、稳定性与故障诊断
链表、栈与队列
模型服务、部署与交付
模型架构与表示
模型选型与能力边界
能力成长与学习方法
排序、查找与 Top-K
评测体系与实验设计
前端与 Web
强化学习与奖励
求职动机、职业选择与安排
容器、云原生与工程交付
上下文工程
设计模式与代码质量
生成质量与幻觉治理
树、图与遍历
数据、效果与项目价值
数据工程与数据处理
数据库与 SQL
数组、字符串与哈希
算法复杂度与数据结构基础
团队协作与推动落地
推理优化与模型压缩
网络与浏览器
文档切分与元数据
系统架构与业务设计
向量数据库与索引
项目背景、架构与职责
项目难点、复盘与改进
消息队列与实时通信
性能、时延与成本
训练框架、调参与排障
训练数据构建与治理
预训练、续训与 SFT
召回策略与检索
知识更新、版本与权限
Agent 基础与运行循环
Agent 框架与 Harness
Agent 应用架构与场景设计
AI Coding 与研发流程
C/C++、Go 与编译
Embedding 与向量表示
Java、Spring 与 JVM
MCP、A2A 与工具协议
Prompt 与结构化输出
Python 与服务框架
RAG 架构与生成链路
RAG 评测与故障排查
Redis 与缓存
Skills 能力系统
Tokenizer 与位置编码
Transformer 与注意力
知识专题
知识专题
找到
69
个专题
知识专题
✓
安全、权限与人工介入
✓
安全与认证
✓
并发与异步编程
✓
操作系统与 Linux
✓
测试工程与质量保障
✓
产品场景、业务价值与交付边界
✓
多 Agent 编排与协作
✓
多模态与生成模型
✓
个人介绍与教育经历
✓
工具调用与 Function Calling
✓
工作流、状态与执行恢复
✓
规划、推理与任务执行
✓
混合检索与重排序
✓
机器学习与推荐系统
✓
记忆系统
✓
技术决策与业务理解
✓
开发工具与工程实践
✓
可观测性、稳定性与故障诊断
✓
链表、栈与队列
✓
模型服务、部署与交付
✓
模型架构与表示
✓
模型选型与能力边界
✓
能力成长与学习方法
✓
排序、查找与 Top-K
✓
评测体系与实验设计
✓
前端与 Web
✓
强化学习与奖励
✓
求职动机、职业选择与安排
✓
容器、云原生与工程交付
✓
上下文工程
✓
设计模式与代码质量
✓
生成质量与幻觉治理
✓
树、图与遍历
✓
数据、效果与项目价值
✓
数据工程与数据处理
✓
数据库与 SQL
✓
数组、字符串与哈希
✓
算法复杂度与数据结构基础
✓
团队协作与推动落地
✓
推理优化与模型压缩
✓
网络与浏览器
✓
文档切分与元数据
✓
系统架构与业务设计
✓
向量数据库与索引
✓
项目背景、架构与职责
✓
项目难点、复盘与改进
✓
消息队列与实时通信
✓
性能、时延与成本
✓
训练框架、调参与排障
✓
训练数据构建与治理
✓
预训练、续训与 SFT
✓
召回策略与检索
✓
知识更新、版本与权限
✓
Agent 基础与运行循环
✓
Agent 框架与 Harness
✓
Agent 应用架构与场景设计
✓
AI Coding 与研发流程
✓
C/C++、Go 与编译
✓
Embedding 与向量表示
✓
Java、Spring 与 JVM
✓
MCP、A2A 与工具协议
✓
Prompt 与结构化输出
✓
Python 与服务框架
✓
RAG 架构与生成链路
✓
RAG 评测与故障排查
✓
Redis 与缓存
✓
Skills 能力系统
✓
Tokenizer 与位置编码
✓
Transformer 与注意力
✓
未找到匹配专题
问题类型
问题类型
比较选型
操作实践
代码题
方案设计
概念解释
故障排查
经历介绍
开放讨论
系统设计
项目深挖
效果评估
行为面
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
323
道题
开始复习 →
排序：
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
3638
未来 Agent 基础能力中，模型、框架和 Skills 哪些需要重投入？
Agent 原理与系统
Agent 框架与 Harness
开放讨论
已有答案
面前必看
—
1
篇面经
未来 Agent 基础能力中，模型、框架和 Skills 哪些需要重投入？的复习状态
未标记
待复习
已掌握
›
3639
对话 LLM 与普通文本生成模型的核心区别是什么？
模型基础与推理
模型架构与表示
比较选型
已有答案
面前必看
基础
1
篇面经
对话 LLM 与普通文本生成模型的核心区别是什么？的复习状态
未标记
待复习
已掌握
›
3640
多轮对话训练时如何处理过长上下文？
模型训练与对齐
预训练、续训与 SFT
方案设计
已有答案
面前必看
进阶
1
篇面经
多轮对话训练时如何处理过长上下文？的复习状态
未标记
待复习
已掌握
›
3641
Agentic Training 的完整流程是什么？
模型训练与对齐
预训练、续训与 SFT
原理机制
已有答案
面前必看
进阶
1
篇面经
Agentic Training 的完整流程是什么？的复习状态
未标记
待复习
已掌握
›
3642
记忆系统中的意图识别承担什么职责？
Agent 原理与系统
记忆系统
原理机制
已有答案
面前必看
基础
1
篇面经
记忆系统中的意图识别承担什么职责？的复习状态
未标记
待复习
已掌握
›
3643
如何确定 Embedding 维度，为什么选择 1024 维而非更高或更低？
RAG 与知识系统
Embedding 与向量表示
比较选型
已有答案
面前必看
进阶
1
篇面经
如何确定 Embedding 维度，为什么选择 1024 维而非更高或更低？的复习状态
未标记
待复习
已掌握
›
3644
原文所称 Qwen-4B Embedding 如何实现，是否属于 BERT 架构？
RAG 与知识系统
Embedding 与向量表示
原理机制
已有答案
面前必看
进阶
1
篇面经
原文所称 Qwen-4B Embedding 如何实现，是否属于 BERT 架构？的复习状态
未标记
待复习
已掌握
›
3645
原文所称 Qwen-34B Rerank 如何实现？
RAG 与知识系统
混合检索与重排序
原理机制
已有答案
面前必看
进阶
1
篇面经
原文所称 Qwen-34B Rerank 如何实现？的复习状态
未标记
待复习
已掌握
›
3646
Attention 的 Q、K、V 如何由输入变换得到？
模型基础与推理
Transformer 与注意力
原理机制
已有答案
面前必看
基础
1
篇面经
1
份题集
Attention 的 Q、K、V 如何由输入变换得到？的复习状态
未标记
待复习
已掌握
›
3647
Attention 为什么除以根号 d_k，不这样缩放还有什么替代方案？
模型基础与推理
Transformer 与注意力
原理机制
已有答案
面前必看
进阶
1
篇面经
1
份题集
Attention 为什么除以根号 d_k，不这样缩放还有什么替代方案？的复习状态
未标记
待复习
已掌握
›
3638
未来 Agent 基础能力中，模型、框架和 Skills 哪些需要重投入？
Agent 原理与系统
Agent 框架与 Harness
开放讨论
已有答案
面前必看
—
1
篇面经
未来 Agent 基础能力中，模型、框架和 Skills 哪些需要重投入？的复习状态
未标记
待复习
已掌握
›
未找到相关题目
换个关键词，或清除筛选。
清除筛选
共
323
道题 · 显示 311–320 道
上一页
1
…
29
30
31
32
33
32 / 33
下一页
启用 JavaScript 后可筛选和浏览完整题库；当前显示前 10 道题。
