快手 AI Agent/大模型岗位 - 真实面经网络实录

整理自牛客、脉脉、CSDN等平台的真实面试分享，2024-2025年

面经一：大模型算法工程师（社招）

面试时间： 2024年10月
岗位： 大模型算法工程师 - 推荐与LLM结合方向
结果： 已offer

一面（60分钟）

Q1：自我介绍，讲讲你做过的大模型相关项目

回答思路：介绍了在上家公司做的RAG系统，从数据处理、向量化、检索、重排到生成的完整链路，重点讲了在检索阶段做的混合检索优化。

Q2：合成数据的优缺点是什么？你们项目里用了合成数据吗？

回答思路：

优点：低成本获取大量标注数据、可控制数据分布、覆盖长尾场景

缺点：可能存在分布偏移、质量不可控、"model collapse"风险

项目中用GPT-4生成了部分QA对作为SFT训练数据，通过人工抽检+自动过滤保证质量

Q3：如何评估LLM的效果？人工评估和自动化评估各有什么指标？

回答思路：

人工评估：相关性、流畅性、有害性、事实准确性，常用Likert量表或对比评测

自动评估：BLEU/ROUGE（生成质量）、Perplexity（模型困惑度）、MTBench/AlpacaEval（综合能力）

离线指标（准确率等）vs 在线指标（点击率、停留时长、用户满意度）

强调了LLM-as-Judge的方法及其局限性

Q4：推荐系统和LLM怎么结合？从召回和精排两个阶段说说

回答思路：

召回阶段：用LLM做query理解和改写、利用LLM的embedding做语义召回、知识增强的协同过滤

精排阶段：LLM做用户兴趣建模、特征交叉的语义增强、LLM生成推荐理由辅助精排打分

提到了快手在短视频推荐中可能的应用场景

Q5：算法题 - 最长回文子串（LeetCode 5）

回答思路：中心扩展法，O(n²)时间复杂度，分奇偶两种情况讨论。面试官追问了Manacher算法的思路。

二面（50分钟）

Q1：讲讲你对RAG系统的理解，你们的RAG系统是怎么做的？

回答思路：详细讲了文档解析→分块→向量化→索引构建→检索→重排→生成的完整流程，重点讲了在分块策略上做的优化（语义分块vs固定长度分块）。

Q2：RAG召回不准怎么优化？

回答思路：

查询改写/扩展（Query Rewriting）

混合检索（BM25 + Dense Retrieval）

多路召回+重排序（Cross-Encoder Reranker）

知识图谱增强检索

优化分块策略（递归分块、父文档检索）

元数据过滤

Q3：SFT的核心流程是什么？数据集怎么构建？

回答思路：

流程：数据准备→格式化（instruction/input/output）→选择基座模型→设置超参→训练→评估

数据构建：人工标注+合成数据+开源数据集，强调数据质量>数据量，多样性很重要

提到了数据去重、去毒、难度分级等数据清洗步骤

Q4：PPO和DPO的区别？各自的优缺点？

回答思路：

PPO需要Reward Model + Critic Model，训练流程复杂但效果天花板更高

DPO直接从偏好对学习，不需要额外RM，更简单高效

DPO通过重参数化技巧把RM目标转化为策略优化

讨论了GRPO（DeepSeek用的）作为两者的折中方案

Q5：快手的短视频场景下，你觉得大模型能怎么用？

回答思路：视频理解（多模态LLM做内容分析）、智能创作助手、个性化推荐增强、智能客服、内容审核辅助等。

三面（40分钟，主管面）

Q1：你为什么想来快手？对快手AI团队有什么了解？

回答思路：讲了对快手在推荐系统和AIGC方面的技术积累的认可，提到了快手的可灵大模型等产品。

Q2：你觉得当前大模型应用落地最大的挑战是什么？

回答思路：成本（推理成本高）、延迟（用户体验）、幻觉（准确性）、安全（内容合规）、评估（缺乏标准化评估体系）。

Q3：你对未来3年的职业规划是什么？

回答思路：短期深耕大模型应用开发，中期拓展到多模态和Agent系统设计，长期希望能带领团队。

面试体验： 整体体验很好，面试官都很专业，会顺着你的回答深挖。二面比一面更注重项目细节和系统设计能力。建议重点准备RAG和推荐系统结合LLM的方案。

面经二：AI Agent开发工程师（校招）

面试时间： 2025年1月
岗位： AI Agent开发工程师
结果： 二面挂

一面（70分钟）

Q1：全程围绕AI Agent展开。先说说你理解的AI Agent是什么？

回答思路：具备感知、规划、决策、执行和记忆能力的自主AI系统。区别于传统chatbot的核心在于自主性和工具使用能力。列举了ReAct、Plan-and-Execute、Multi-Agent等常见范式。

Q2：你的项目中长期记忆是怎么实现的？

回答思路：

使用向量数据库（Milvus）存储历史对话的embedding

实体记忆：从对话中抽取实体关系存入知识图谱

摘要记忆：定期对历史对话做摘要压缩

检索时结合时间衰减因子和相关性得分

Q3：Agent在多轮对话中，Attention机制有什么局限性？

回答思路：

上下文窗口有限，长对话会超出限制

注意力分散，关键信息可能被淹没

位置偏差（lost-in-the-middle问题）

解决方案：滑动窗口、摘要压缩、重要信息前置

Q4：Modular Agent中的多步规划与调度策略怎么设计？

回答思路：

规划：将复杂任务分解为子任务DAG图

调度：拓扑排序确定执行顺序，可并行的步骤并发执行

动态调整：执行过程中根据中间结果re-plan

错误恢复：重试、回退、人工介入三级策略

Q5：Agent评估体系怎么设计？如何量化Planning能力和Hallucination Rate？

回答思路：

Planning评估：任务完成率、步骤效率（vs最优路径）、工具选择准确率

Hallucination Rate：事实核查（对比知识库）、自洽性检查、人工抽样评估

整体评估：端到端任务成功率、用户满意度、响应延迟、token消耗成本

Q6：RoPE位置编码的原理？它解决了什么问题？

回答思路：

旋转位置编码，通过在复数空间对Q/K做旋转来编码相对位置信息

相比绝对位置编码，RoPE能更好地捕捉相对位置关系

具有外推性，理论上支持任意长度序列

详细推导了旋转矩阵的构造

Q7：算法题 - 二叉树的最近公共祖先（LeetCode 236）

回答思路：递归解法，O(n)时间复杂度。面试官追问了如果是BST的情况怎么优化。

二面（60分钟）

Q1：详细讲讲你的Agent项目架构

回答思路：画了完整的架构图，从用户输入→意图识别→任务规划→工具调用→结果整合→输出的完整流程。讲了使用LangGraph做工作流编排的细节。

Q2：Qwen模型微调的经验？训练阶段是怎么设计的？Loss Function怎么确定？

回答思路：

用Qwen-7B做基座，用LoRA微调

两阶段训练：先SFT做指令跟随，再用DPO做偏好对齐

SFT用标准的next-token-prediction交叉熵损失

DPO用Bradley-Terry模型的偏好损失

讲了一些训练trick：学习率warmup、梯度累积、混合精度

Q3：Prompt优化策略有哪些？如何压缩Prompt？

回答思路：

结构化Prompt（角色/任务/约束/示例）

Few-shot选择优化（相似度检索最相关的示例）

Prompt压缩：LLMLingua、删除冗余token、用摘要替代原文

Embedding层面的Prompt Tuning（P-Tuning v2）

Q4：系统延迟优化怎么做？

回答思路：

模型层面：量化（INT8/INT4）、KV Cache优化、投机解码

系统层面：异步处理、流式输出、并行工具调用

架构层面：语义缓存、路由到不同大小模型、预计算

Q5：设计一个短视频平台的智能客服Agent

回答思路：设计了多Agent协作架构，包括意图识别Agent、知识检索Agent、工单处理Agent、情感分析Agent，用Router Agent做分发。讲了如何处理复杂查询和多轮对话。

面试体验： 面试非常硬核，全程围绕Agent深挖。一面偏理论，二面偏工程实践和系统设计。挂在二面，反馈是系统设计经验不够。建议多准备Agent的完整项目经验，不只是用过框架，要能从0到1设计系统。

面经三：大模型LLM方向（实习）

面试时间： 2025年3月
岗位： 大模型算法实习生
结果： 进入终面

一面（50分钟）

Q1：介绍一下你对Attention机制的理解，QKV变换的作用是什么？

回答思路：

Q(Query)代表查询、K(Key)代表键、V(Value)代表值

QKV通过线性变换将输入投影到不同子空间

Q·K^T计算相似度，Softmax归一化后加权V

Scaling（除以√d_k）防止点积过大导致梯度消失

Q2：Multi-Head Attention有什么问题？有什么改进方案？

回答思路：

问题：计算量大（头数×注意力计算）、KV Cache显存占用大

MQA（Multi-Query Attention）：所有头共享K/V

GQA（Grouped-Query Attention）：分组共享K/V，MHA和MQA的折中

MLA（Multi-head Latent Attention）：DeepSeek V2提出的低秩压缩方案

Q3：长文本处理有什么策略？

回答思路：

位置编码外推（YaRN、NTK-aware）

滑动窗口注意力

分块处理+摘要

RAG方式：检索相关片段而非全文输入

层次化注意力（Longformer/BigBird的稀疏注意力）

Q4：记忆系统中的意图识别怎么做？

回答思路：

分类器做意图分类（预定义意图集）

LLM做开放域意图理解（few-shot prompting）

结合上下文的多轮意图跟踪

意图消歧：当识别到多个可能意图时让用户确认

Q5：Embedding维度怎么选择？Qwen-4B的Embedding是怎么实现的？

回答思路：

维度选择取决于任务复杂度、模型大小、计算资源

一般768/1024/2048/4096

Qwen-4B使用Tied Embedding（输入输出共享）

讨论了维度和性能的trade-off

Q6：算法题 - 合并K个有序链表（LeetCode 23）

回答思路：用最小堆，O(NlogK)时间复杂度。面试官追问了分治法的解法。

二面（55分钟）

Q1：Qwen-34B做Rerank是怎么做的？

回答思路：

把query和document拼接作为输入，让模型输出相关性得分

Cross-Encoder方式，比Bi-Encoder更准确但更慢

用LoRA微调Qwen-34B作为Reranker

训练数据：正负样本对，用交叉熵或margin loss

Q2：SFT后的Post-Training技术有哪些？

回答思路：

RLHF/DPO/GRPO做偏好对齐

Self-Play（让模型自我博弈提升）

Rejection Sampling

Constitutional AI

知识蒸馏（大模型→小模型）

Q3：项目深挖 - 你的RAG系统中，检索和生成的评估分别怎么做？

回答思路：

检索评估：Recall@K、MRR、NDCG

生成评估：Faithfulness（答案是否忠于检索内容）、Relevance（是否回答了问题）

端到端评估：用RAGAS框架，覆盖Context Precision/Recall、Answer Relevance、Faithfulness

人工评估：定期抽样评测

Q4：MoE模型的原理？专家负载均衡怎么做？

回答思路：

多个Expert FFN + Router网络

每次只激活top-k个Expert（如2/8）

负载均衡loss：辅助损失函数惩罚不均匀分配

Expert坍缩问题：部分专家从不被选中

Q5：算法题 - LRU Cache（LeetCode 146）

回答思路：HashMap + 双向链表，O(1)的get/put操作。

面试体验： 快手LLM方向面试涵盖面很广，从底层Attention到上层应用都会考。面试官人很好，会引导你思考。建议熟悉至少一个开源大模型的架构细节（Qwen/LLaMA/DeepSeek），能说出具体的实现细节会加分很多。

面经四：大模型应用开发（社招）

面试时间： 2024年12月
岗位： AI应用开发工程师
结果： 已offer

一面（55分钟）

Q1：RAG系统的评估你怎么做？评测维度和指标有哪些？

回答思路：

维度：检索质量、生成质量、端到端效果

检索指标：Hit Rate、MRR、Recall@K

生成指标：BLEU、ROUGE、BERTScore、人工评分

端到端：任务完成率、用户满意度

用RAGAS和LlamaIndex的评估模块做自动化评测

Q2：幻觉问题怎么解决？

回答思路：

检索增强（RAG引入外部知识做事实基座）

思维链推理（CoT让模型展示推理过程）

自我一致性（多次采样取多数一致的答案）

输出校验Agent（生成后做事实核查）

微调高质量数据、降低temperature

Q3：你有微调经验吗？用的什么框架？

回答思路：

用LLaMA Factory做LoRA微调

数据准备：Alpaca格式，大约5000条高质量QA

训练配置：rank=16, alpha=32, 3个epoch

评估：在holdout测试集上用GPT-4做评判

讲了遇到的问题：学习率过大导致loss震荡，解决方案是cosine scheduler

Q4：大模型部署你了解多少？

回答思路：

vLLM做推理引擎，支持Continuous Batching和PagedAttention

量化：GPTQ/AWQ做INT4量化减少显存

服务化：FastAPI + 流式输出（SSE）

监控：Prometheus + Grafana看QPS、延迟、GPU利用率

Q5：算法题 - 岛屿数量（LeetCode 200）

回答思路：BFS/DFS遍历，标记已访问。选了DFS实现。

二面（45分钟）

Q1：你觉得大模型应用开发中最难的部分是什么？

回答思路：不是技术本身，而是如何在成本、延迟、效果之间取得平衡。举了具体项目中的例子：用小模型做简单query路由，复杂query才走大模型。

Q2：如何设计一个快手电商场景的AI客服系统？

回答思路：

意图识别→知识检索→回答生成→安全审核

多轮对话管理：状态机+LLM结合

知识库：商品信息、售后政策、常见问题

转人工策略：情感检测到愤怒/复杂问题自动升级

SLA保证：p99延迟<2s，准确率>95%

Q3：技术方案选型 - 你怎么决定用RAG还是微调？

回答思路：

RAG：知识频繁更新、需要可溯源、数据量有限

微调：需要特定风格/格式、推理时不想额外检索开销、任务相对固定

混合方案：先微调提升基础能力，再用RAG补充实时知识

面试体验： 快手应用开发岗位不会考太深的模型底层原理，更看重工程能力和系统设计。如果你有完整的RAG或Agent项目经验，一定要能讲清楚数据怎么来的、评测怎么做的、线上效果如何。快手面试效率很高，基本一周内出结果。

面经五：大模型评测工程师（校招）

面试时间： 2024年9月
岗位： 大模型评测
结果： 一面挂

一面（40分钟）

Q1：如何设计一套LLM评测指标体系？

回答思路：这道题比较开放，没给具体场景。我从通用能力评测和领域能力评测两个维度展开：

通用：语言理解、生成质量、推理能力、知识覆盖度

领域：任务完成率、专业知识准确率

安全性：毒性、偏见、隐私泄露检测

效率：延迟、吞吐、成本面试官追问了具体怎么量化"推理能力"，我回答用GSM8K、MATH等benchmark。

Q2：自动评估和人工评估各有什么优缺点？

回答思路：

自动评估：可复现、低成本、大规模，但可能与人类偏好不一致

人工评估：更贴近真实需求，但成本高、主观性强、难以大规模

折中方案：LLM-as-Judge（用GPT-4做评判）+人工抽检

Q3：BPE分词原理

回答思路：贪心地合并高频字符对，直到达到目标词表大小。和WordPiece的区别在于合并策略（频率 vs 似然）。

Q4：算法题 - 有效括号（LeetCode 20）

回答思路：栈匹配，O(n)。

面试体验： 评测岗面试偏宏观设计能力，面试官期望你能独立设计评测方案而不是等他给场景。我的回答太套路化了，没有展现独立思考。建议准备这类岗位时，多想想"如果你是负责人，怎么从0建评测体系"。

面经六：AI Agent 开发（2026 新增公开来源）

来源：小红书公开页面；以下为摘要索引，完整内容请查看来源链接。

来源	标题	核心考点
小红书	快手AI Agent开发一面（小红书站内搜索原标题）	父子索引、BM25、Rerank、Memory、Function Calling、Prompt 注入防御、RAG 评测
小红书	快手AI Agent开发实习生面经2026.6.12（小红书站内搜索原标题）	Agent 基础、ReAct、多模型 API、单/多 Agent、RAG 优化、算法题
小红书	快手 AI Agent研发实习日常实习一面（小红书站内搜索原标题）	Agent 研发实习一面、项目和 RAG 追问
牛客	快手 AI 全栈开发二面凉经（Agent 应用方向，2026-09）	Agent 项目深挖、Skill、Tool Use、全栈工程和端到端交付
牛客	快手 AI 应用开发 / Agent 开发一面（2026-09）	AI Coding 质量、工具结果缓存、长期偏好、敏感信息保护、并发基础
牛客	快手 Data Agent 开发一面（2026-06）	LLM 与 Agent 边界、ReAct、Agent 框架模块设计、项目深挖