面试面经 · 字节跳动
【字节跳动】【大模型算法】【一面】面经（Agent+RAG+手撕代码）
【字节跳动】【大模型算法】【一面】
基本信息
| 项目 | 内容 |
|---|---|
| 公司 | 字节跳动 |
| 岗位 | 大模型算法工程师 |
| 轮次 | 一面 |
| 面型体感 | 技术面，Agent + RAG + 手撕 |
| 面试官风格 | 项目深挖 + 八股 + 手撕 |
| 结果 | 通过 |
面试题目（按提问顺序）
- 介绍一下你做过的最有挑战的 AI 项目
- Agent 的核心组件有哪些？
- ReAct 的执行流程是什么？
- Function Calling 和 MCP 的区别？
- 多 Agent 系统怎么协作？常见架构有哪些？
- RAG 解决了大模型的什么核心问题？
- RAG 中长文档切片策略如何设计？
- 向量召回和 BM25 为什么要混合？
- SFT / RLHF / DPO 的区别？什么场景选微调而不是 RAG？
- LoRA / QLoRA 的原理？
- 手撕代码：实现简易 RAG 流程
面试感受 / 反馈
字节大模型一面节奏快，项目深挖 + 八股 + 手撕几乎必考。Agent / AI Coding 方向是重灾区，LangChain / MCP / Function Call 必须能说清原理。手撕题可能是小型工程题。
准备建议
- Agent 核心组件和 ReAct 流程必考
- RAG 流程和优化是重点
- 微调方案（LoRA/DPO）要理解原理
- 准备手撕简易 RAG 或 Agent
