1. 自我介绍

2. Apache Seata这个项目是你公司里用到了吗还是出于兴趣去参与的贡献？持续了多长时间？

3. 我看这个项目里面贡献者还是挺多的，你的贡献量大概是在一个什么位置？

4. 什么时候接触的Golang？在这之前写什么的？都写过什么语言？

5. 好的，那你觉得 rust 和 go 各自适合的场景是什么？最大的区别是什么？对比一下

6. 现在 golang 最新版本的那个 gc 应该也没什么问题了对吧（说了1.25的一些更新和1.18以来gc上的一些修改）

7. 你这里我看还有参与一个存储的开源，大概十几个贡献者这样，你在里面的贡献大概是一个什么位置？

8. 好的，所以你们社群其实比较活跃对吧，平时一些roadmap之类的也会有讨论这样（然后面试官说自己对开源的看法啥的

9. 我看你这里上一段实习是到8月，现在是已经离职了吗还是？什么原因离职的？比较你符合的岗位期望是什么样子的？什么技术方向？

10. 我看你六月份才开始接触到Agent相关的是吧，谈谈你对Agent的理解。

11. 你刚才提到了 Workflow，他和现在发展的 Agent 或者 Agentic 有什么区别？

12. 我看你这里有用到RAG，怎么做的，讲讲理解（讲了目前主流的RAG做法，包括清洗，分块策略，查询...，然后说了我们目前的做法，Agentic RAG，场景泛化，查询时候的处理）

13. 你们这个 RAG 的场景是什么？召回的内容是什么？服务哪一块的？（分布式事物场景的存储，泛化生成场景，生成时召回类似的泛化场景优化当前聊天，服务事物编排）

14. query 的时候具体怎么做的（利用模型能力清洗整理一次用户的输入之后再检索）

15. 你们这个 Agent 是直接调用模型api去做上层建设的对吧？那这里topk和temperature之类的参数怎么设置的（评估场景对生成能力的需求，期望是主观还是客观，针对具体场景调整取效果最优的值）

16. 这里为什么 temperature 调低之后输出就会更加确定呢？在模型底层结构层面他是怎么处理的？（softmax概率分布，温度降低的时候llm在softmax前将logits除以更小值，放大可选项的分数差异，让选择更确定）

17. 算法题，一个数组满足先升后降，查找target，尽可能的降低时间复杂度（直接说思路，没让写代码，二分）

18. 现在在哪？什么时候能入职？你还有什么想问的？

19. 反问：

a. 从您整轮面试的过程中看，您觉得我有哪些可以继续提升的点/改进的点？（给面试官整笑了：你这是在直接要反馈了。不过还是讲了很多，人太好了）

b. 一共几轮面试