Mikkkk @wdmbtcrun - Twitter Profile

今天来看腾讯的开发工程师的初面题。 Q1 - Q9, Q12我感觉这是整张卷子最值钱的部分。面试官非常懂行，他关注的是大模型在实际业务中的控制流和记忆管理。先说Q1, Q2, Q5。大模型的 Token 是要算钱且有长度限制的。怎么存用户的聊天记录？怎么在跨系统、跨时间的情况下，还能让大模型记得用户是谁、之前说了什么？这是做智能助手最核心的痛点。 Q3, Q4, Q6, Q12。终于开始考架构了。面试官在考查你对大模型调用框架的底层认知。问 FSM和 LangGraph，说明腾讯需要用强控制、确定性高的流式架构去规范大模型的胡言乱语。问为什么选 ReAct 而不是纯 Chain，估计是在看面试者对Reason-Action与死板工程流水线之间平衡点的理解。 Q7, Q8，毫无疑问的Skill。这通常是大型 Agent 框架，比如字节的 Coze、腾讯自己的类似产品里的核心概念，考查的是能不能把复杂的工具调用封装成标准化、可复用的插件。 Q10、Q11，还有Q13。这应该算是传统后端的知识。工厂模式、本地部署与配置管理以及后台怎么搭建，是在淘汰那些只会调 OpenAI 接口，但连基本的后端架构、高可用、设计模式都不懂的包装型选手。腾讯的团队，要的是能直接上手写生产环境代码的熟练工。 Q14、Q15，没啥可说的，算法基本功。最长有效括号考Stack或者动态规划，挺考验逻辑严密性。股票交易，也属于LeetCode 经典系列，我经常刷，典型的动态规划、贪心算法。经典的大厂核心算法大礼包，虽然和 AI 没直接关系，但用来刷掉代码基本功不过关的人非常有效。现在大厂要的 AI 工程师，既要懂大模型的特性，比如Token限制、Agent流控、RAG挂载这些，又要是一个扎实的传统后端高手。如果能把前 12 道关于 Agent 架构和记忆管理的题解释得既深又透，哪怕后面项目稍微薄弱一点，腾讯那边也会觉得你对大模型应用开发是有深度思考的。