快手校招AI+Agent
面经概览
本文档整理了快手校招 AI+Agent 方向一面的完整面经，共 13 个技术大类、56 道问题，涵盖 RAG 召回、Rerank 策略、上下文工程、Agent 工具调用、安全控制、限流系统、算法基础、数据库索引、RAG 评测与优化、数据处理设计等核心方向。每个大类下列出主问题和追问，方便针对性准备。
主问题
Q1：为什么要设计父子索引，而不是只用普通 chunk 检索？
Q2：检索阶段为什么还要加入 BM25？
追问
Q3：BM25 检索和向量召回是怎么配合的？两者的权重或占比怎么确定？
Q4：从用户 query 进来到最终组装上下文，中间完整链路是怎样的？
Q5：召回之后有没有再做 rerank？具体采用了什么 rerank 方式？
二、Rerank 与结果截断策略
主问题
Q6：经过 rerank 之后，通常会保留多少个文本块？
Q8：rerank 之后的 topK 是如何截断的？
追问
Q7：这个数量是怎么定下来的？有没有做过对比或验证？
Q9：为什么选择当前这个 topK 值？有没有尝试过其他截断策略？
Q10：当上下文内容太少或者超出长度限制时，你是怎么处理的？
三、上下文工程与记忆设计
主问题
Q11：介绍一下你们的上下文工程是怎么做的。
Q14：记忆机制是如何设计的？
追问
Q12：最终拼给模型的上下文结构是什么样的？
Q13：如何控制上下文长度，避免内容过长影响模型效果？
Q15：短期记忆和长期记忆分别存什么？两者怎么区分？
Q16：记忆内容什么时候更新？更新规则是什么？
四、Agent 规划与工具调用
主问题
Q17：Function Calling 在项目里是怎么设计和落地的？
Q18：Agent 的任务规划流程是怎样的？
追问
Q19：任务规划主要依赖模型完成，还是通过规则控制？
Q20：涉及多个工具时，调用顺序是怎么决定的？
Q21：如果某个工具调用失败，系统会怎么处理？
五、安全控制与防护机制
主问题
Q22：如何防御 Prompt 注入攻击？
追问
Q23：有没有做输入过滤、规则拦截或内容校验？
主问题
Q24：工具调用过程中的安全控制怎么做？
追问
Q25：如何避免模型调用敏感接口？
Q26：有没有做权限校验、接口白名单或访问控制？
六、限流相关系统设计
主问题
Q27：讲一下分布式令牌桶限流的实现思路。
Q28：漏桶算法的核心原理是什么？
Q29：滑动窗口限流是怎么实现的？
Q31：滑动窗口和令牌桶有什么区别？
追问
Q30：如果用滑动窗口实现限流，结构体里一般需要包含哪些字段？
Q32：如果基于 Redis 做限流，你会选择什么数据结构？
七、基础算法与数据结构
主问题
Q33：介绍一下布隆过滤器。
追问
Q34：布隆过滤器可能会带来什么问题？
Q35：误判率一般怎么控制？
八、数据库索引
主问题
Q36：哪些场景会导致数据库索引失效？
Q37：like 查询一定会导致索引失效吗？
追问
Q38：哪些 like 写法或者查询方式会让索引无法命中？
九、RAG 评测与数据集建设
主问题
Q39：RAG 系统一般怎么做效果评测？
Q40：RAG 的评测维度有哪些？
Q42：评测数据集通常需要包含哪些内容？
追问
Q41：常见评测指标有哪些？
Q43：怎么构建一套质量比较高的 RAG 评测数据？
十、RAG 效果优化
主问题
Q44：如果要提升检索相关性，你会从哪些方向优化？
Q45：如果要提升最终回答质量，你会怎么做？
追问
Q46：你会优先优化检索阶段，还是优化生成阶段？
Q47：怎么判断一次优化确实带来了效果提升？
十一、数据处理系统设计题
主问题
Q48：如果有一个数据处理任务，比如对一千条数据做求和，你会怎么设计处理流程？
追问
Q49：如果数据量扩大到百万级，方案需要怎么调整？
Q50：如何保证计算效率和系统稳定性？
十二、RAG 性能优化
主问题
Q51：如果要提升 RAG 系统性能，你会从哪些方面入手？
追问
Q52：是从检索层、模型层，还是系统架构层优化？
Q53：有没有使用缓存、并行处理等优化方式？
十三、上下文优化
主问题
Q54：当前上下文是怎么处理和组织的？
追问
Q55：后续有哪些优化方向？
Q56：如何减少无关上下文对模型回答的干扰？