AI面会问哪些问题？

美团的AI面没有要做自我介绍，直切主题，有问答题也有选择题，大概有以下这些问题：1.你使用过哪些 AI 基座模型？2.你为 AI 基座模型付过费吗？（选择是或否）3.你为哪些 AI 基座模型付过费，为什么？4.你使用过Claude code、Cursor 类似的 AI 编程工具吗？（选择）5.你使用 Claude code 、Cursor 等 AI 编程工具的使用场景和使用情况如何？6.你是否有为 Claude Code 、Cursor 等 AI 编程工具付费？（选择）7.你调用过 AI 底座模型的 API 吗？（选择是或否）8.你曾调用过哪个最好用的模型的 API ?9.你过去一年读过 AI 论文／技术报告吗？（选择）10.过去一年，你读过哪篇 AI 论文／技术报告两次以上，对你工作的帮助是什么？11.你是否有独立开发过 AI 产品／功能？（选择是）12.请你用三／四句话概括这个 AI 产品／功能的用户需求以及解决情况。13．如果有，可以提供你所做的 AI 产品／功能的链接。

引言大部分人简历上写的 Agent 项目，技术链路是这样的：接收用户输入 → 调 LLM → 解析工具调用 → 执行工具 → 返回结果。这是 Agent 的"最小可用版本"，能跑通，但没有任何区分度——2026 年了，跟着任何一个教程都能搭出来。尤其 RAG 相关的大家已经觉得烂大街了，评论区也有同学吐槽真正让面试官觉得"这个人做过真东西"的，是那些教程里不会教、但生产中必须解决的进阶问题。以下逐个拆解。一、Agent Harness：Agent 不是一个模型调用，是一个运行时是什么：Agent Harness 是 Agent 的"执行骨架&q...

刷到这个话题真的瞬间破防，最开始投 AI 岗，我天真地以为，把 Transformer、RAG、AI Agent 的概念背熟，就能应付面试了。结果第一场面试，就被面试官问得哑口无言。那是一家 AI 独角兽的应用开发岗，开场面试官笑着说 “先简单做个自我介绍，讲讲你做的 AI 项目吧”，我照着提前背好的稿子念完，本以为能顺利过关，结果面试官的连环追问直接给我干懵了。“你这个 RAG 项目，用的什么分块策略？为什么选这个分块大小？”“分块的时候遇到过长文本语义断裂的问题吗？你是怎么解决的？”“嵌入模型选的哪个？为什么不用开源的？对比过不同嵌入模型的检索效果吗？”一连串的问题下来，我支支吾吾半天答不上来，手心全是汗，因为这个项目我只是跟着教程跑了个 demo，根本没考虑过这些细节。那场面试只进行了 20 分钟就草草结束，挂掉面试的那一刻，我坐在电脑前，满脑子都是 “我是不是根本不适合做 AI”。后来我才明白，AI 面最不缺的就是背概念的人，面试官想知道的，永远是你真的做过、真的思考过、真的解决过问题。

分享面经攒人品题目记不太清了，想到啥写啥，面试问到的问题大概是这些：1.自我介绍，还要结合大模型的日常使用；追问1：实习中用到的AI代码审查，具体是怎么实现的？2.队列和栈的区别；追问1：浏览器的前进、后退功能要怎么实现？追问2：如果先点后退，再打开新网页，这个过程会发生什么？3.分布式事务；追问1：事务消息里，生产者的反馈丢失了该怎么处理？追问2：如果回溯操作后，反馈还是丢失了怎么办？4.如何保证数据一致性；追问1：消息队列的消息丢失了该怎么解决？丢失后会有什么影响？5.这题忘了6.RAG的系统设计，整体要怎么规划；中途换题：如果遇到数据注入攻击，该怎么应对？给了四个内容，要求排序；追问1：为什么要这样排序？7.讲一个自己遇到的持续性问题，以及全程的解决过程；追问：当时的解决思路为什么要这样设计？这样做有什么好处？

1. 一时兴起花两小时写了份像大学生活汇报一样离谱的简历，随手乱投了一波大厂；2. 结果晚饭时后端研发岗的HR突然打电话约面试，我啥也没想当场就答应了，完全忘了自己根本没后端项目经历；3. 临时恶补了一点点后端知识就硬着头皮上了，下面是凉凉面经：- 先自我介绍- 项目被连环追问，我项目是多模态方向，还得麻烦面试官帮忙往后端设计上引，大概聊了怎么设计后端，涉及MQ、Redis、MySQL这些，我自己都不确定答得对不对- 八股文：哈希底层结构直接大脑空白，后面HTTP请求流程、TCP/UDP、三次握手四次挥手及扩展、进程线程、进程间通信、死锁条件和解除方法这些倒是都答上来了- 两道力扣Hot100中等题：分割等和子集、无重复字符最长子串，还分析了时间复杂度，代码写出来了，但沟通时偶尔有点卡壳4. 面试时经常苦思冥想，还不自觉左右转头，这破习惯真的得改，有点尴尬5. 反问阶段脑子一懵，直接让面试官教我刚才没答上来的题一天后收到感谢信，还是很感谢面试官，对我这种纯小白态度特别好。

我前后参加过8场AI相关面试（互联网大厂+中型企业），从一面到HR面都遇到过AI考题，今天把真实考过的高频题、满分回答逻辑、踩坑点、准备方法全部整理出来，看完这篇，AI面直接稳一半。一、先讲真话：AI面不是考你技术，而是考这3点很多人一听到AI面试就慌，以为要考算法、模型、训练、架构，其实90%的岗位根本不考深度技术。面试官问AI问题，核心就看三样：1. 你有没有行业认知，不脱节；2. 你会不会用AI提效，能干活；3. 你有没有逻辑表达，能说清。尤其应届生、实习生，不用背术语、不用装大神，真诚+清晰+会用工具，就是高分答案。二、真实考场高频AI题（我真被考过的）下面这些题，是我在面试中反复遇到的，覆盖技术/产品/运营/实习岗，你们面试极大概率会撞上。1. 你平时使用过哪些AI工具？怎么用的？面试官目的：看你是不是真的在用，而不是临场编。低分回答：用过ChatGPT、豆包，用来写文案、查资料。高分回答（真实可复制）：我日常会用豆包做思路梳理、文案生成；用AI辅助写代码、做数据处理；工作中会用AI完成总结、提纲、信息提炼，尤其在实习中，我会用AI先出初稿，自己再做优化和校验，效率提升非常明显。关键点：不说“玩一玩”，要说提升工作/学习效率”。2. 你怎么理解大模型幻觉？怎么避免？这道题超级高频，几乎每场必问。简单易懂版回答：幻觉就是AI会一本正经地说假话、编信息。避免的方法主要有三点：一是给AI明确的提示词；二是提供参考资料，让它基于事实回答；三是输出后我一定会人工校验，尤其是数据、结论、关键信息，不会直接用。面试官最爱听：你有校验意识，不盲目依赖AI。3. RAG是什么？为什么企业都在用？非技术岗不用讲太深，讲懂业务价值就赢了。满分回答：RAG就是检索增强生成，简单说，让AI先去查企业内部的知识库、文档，再回答问题，这样更准确、更靠谱、不会乱编。企业用它，主要是为了做客服、做知识库、做内部问答，既安全又能降低成本。4. 如果让你用AI提升岗位效率，你会怎么做？这是运营/产品/实习岗必考题！高分思路（套任何岗位都能用）：1）用AI做信息整理、文档总结、数据初步处理；2）用AI出初稿、文案、提纲、表格；3）自己负责审核、优化、决策、落地。一句话：AI做执行，我做判断。面试官就爱这种会用工具、不甩锅、有责任心的人。5. 你觉得AI会替代这个岗位吗？送命题，也是送分题。高分回答：AI不会替代人，但会替代不会用AI的人。我理解这个岗位更需要的是判断、沟通、业务理解，这些AI做不到，但我可以把AI当成工具，让自己效率更高、产出更稳。几乎所有面试官听到这句，都会点头。6. 技术岗追加题：微调 vs RAG 区别？不用讲复杂，一句话高分：微调是改模型，RAG是查资料。企业低成本、高安全、高时效性，优先用RAG。7. 行为面常见题：你用过AI做过什么实际项目/实习任务？一定要讲真实、具体、可验证。比如：在实习中，我用AI辅助整理会议纪要、优化文案初稿、处理数据表格，然后自己再进行校验、排版、优化，最终交付给团队，既提升了速度，也保证了质量。重点：AI是辅助，你是主控。三、AI面试最容易踩的5个坑（我亲眼见人挂过）1. 满嘴术语，实际不懂面试官一听就知道你在背，反而印象很差。2. 把AI吹得太神说“AI完全准确”“不用人工看”，直接被判没有风险意识。3. 只会说不会用问你怎么用，你说不出具体场景，等于白说。4. 回答没有逻辑东一句西一句，面试官听不出重点。5. 态度极端要么恐惧AI，要么鄙视AI，都不行。正确姿态：了解、会用、可控、理性。四、零基础也能背会的AI面试万能框架不管面试官问什么，你都按这个结构说：1. 是什么（一句话解释）2. 能干什么（业务/工作场景）3. 我怎么用（结合自己经历）4. 注意什么（校验/风险/人工把控）只要按这个逻辑，不会答也不会低分。五、面试前10分钟急救：背这6个词就够了大模型幻觉RAG提示词（Prompt）提效人工校验真的，足够应付90%的面试。六、AI面加分项：把AI能力写进简历，通过率翻倍很多同学不知道，AI相关经历是现在简历的超级加分项。但大多数人只会写：“会使用AI工具”，太弱了。我自己之前简历也很普通，后来用泡泡小程序AiCV简历王优化，把“使用AI提升效率”这类经历，包装成“AI辅助完成文档处理、数据整理、内容生产，效率提升30%以上”，瞬间专业度拉满。它能根据岗位自动帮你提炼AI相关关键词，把日常打杂、实习任务，包装成面试官喜欢的效率型、靠谱型、工具型经历，既不造假，又非常亮眼。我就是靠这份简历，在AI面中连续拿到3场复试。对于25届、找实习、春招的人来说，会AI + 简历会写，真的能甩开一大半人。七、最后想说：AI面真的不难AI面试考的从来不是你有多懂技术，而是你跟不跟得上时代、会不会用工具、靠不靠谱。你不用成为AI专家，只要做到：知道高频词是什么能结合自己经历说清楚表达逻辑清晰有校验意识、不盲目依赖AI简历上体现AI工具能力你就已经超过80%的候选人了。面试不用慌，AI是加分项，不是拦路虎。把上面的题和回答背熟，下一场AI面，你一定稳过。

2000+投递，50+场次真实面试问答经历You stop not when you are tired, but when you are done!加油！！！

先说说情况：base北京，小厂，实习月薪5000，房补1000，工作时间9.30-18.30，双休。面试内容：算法题：最长回文子串，记事本写，只看思路和大概的编程，不用运行。场景题：Spring boot应用，接口，部署到线上，初步测试，运行一段时间后，没有反馈了。怎么排查。（我讲了限流方面+死锁+缓存三件套+循环依赖，就是一顿输出）。然后根据我的回答提问了其他内容：缓存三件套处理方法，怎么判断数据库故障了。死锁怎么判断。问了一下agent的项目提示词工程和上下文工程区别。（讲了个大概，联系了项目。他指出了我的不足，但是说我联系项目很好）基本就没了，然后口头给offer，给我讲了业务还有薪资和...

又臭又长 12 题分享面经攒人品，感觉 ai 面就是一个大型的 agent，进入面试随机给你出问题，然后根据你的回答随机挑选关键词进行追问，然后进行下一轮的面试每题 （追问也是） 2min 回答，30s 准备时间1. 在任务完成过程中，主动找到核心问题，并提出解决方案的经历，当时是什么情况？你是怎么做的？请详细谈谈你的思路和策略。追问:在此基础上，我想了解您是如何和深入分析问题寻找根本原因的，能否请您详述描述一下在发现问题后，您是如何在一步一步深入分析找到问题核心所在，并最终确定解决方案的？2.在任务中定期检查进度发现问题并及时调整方向的经历，当时是什么情景？你是如何调整的？结果如何？追问:我想进一步了解的是在这次经历中您是否有对自己学习或改进的反思？例如您是否这次经历中提炼出了具体的改进点，并将其应用在后续的工作中3.分享某个新项目或活动被采纳的经历，你是如何推动起落地的又如何解决遇到的困难？追问:在此基础上，我想进一步了解您在推动这个新方案的过程中，是否有遇到过特别大的挑战或阻力，如果有零是如何克服这些困难，保证方案顺利实施的？4.回忆一次你发现自己的工作方式可能影响团队进度的经历。当你在寻求团队反馈并做出调整的细节。当时是什么情况？具体采取了什么措施？结果如何？追问：我想进一步了解的是这次调整中您是如何处理和协调团队成员之间不同观点和意见的你是如何确保团队成员理解和接受你的新工作方式，并共同推进项目向前发展？5.举一个实际的例子说明你在面对需求方有多个紧急需求时是如何评估优先及并做出回应的？当时是什么样的场景？你是如何分配时间和资源的？要是如何确保需求方对你的回复和解决方案满意的。追问：我想进一步了解在这个过程中，您是如何站在客户角度去理解和满足他们需求的比如您是如何保证他们的真实需要？以及你是如何确保这解决方案能够满足他们的预期？6.分享在项目或课程时需要学习到陌生的知识的经历。你是如何制定学习计划又是如何确保自己理解陌生知识的最终如何用在任务当中追问：在这过程中，我想了解你是否有过对学习内容深入理解和批判性思考，例如你是否对学到新知识有过疑惑或者是不同的见解？

我遇到问题主要是面 Java 的，主要是以下几个，AI 面其实也就是多一个流程罢了。1）String、StringBuilder、StringBuffer的区别？String为什么是不可变的？2）反射是什么？有什么应用场景？有什么缺点？3）synchronized和ReentrantLock的区别？4）线程池的核心参数有哪些？执行流程是怎样的？拒绝策略有哪几种？5）IOC和AOP的理解？Bean的生命周期？Spring怎么解决循环依赖

北森的ai面全程录像，但是我不知道......做完第一部后转头跟舍友说了一句“wc，累死我了，我搁这一顿编”Hr到底会不会看啊啊啊啊

第一，模型咋变小？​ 面试官爱问轻量化方法。比如剪枝（删掉不重要的参数）、量化（把浮点数转成8位整数，省内存）、知识蒸馏（用小模型学大模型的知识）。举个栗子，之前做图像分类，原模型20MB，量化后压到5MB，边缘设备就能跑了。第二，硬件咋选？​ 得看场景。手机/摄像头用NPU（像华为麒麟的达芬奇核）或GPU；低功耗设备（智能手表）用MCU（带AI加速的，比如STM32H7）；纯CPU也能跑，但慢。关键看算力、功耗、成本平衡。第三，实时性和精度咋兼顾？​ 比如目标检测，原模型100ms一帧，太卡。试了剪枝+量化，降到30ms，精度掉了2%，但客户能接受。另外，用推理框架（TFLite、NCNN）调优，比自己写快很多。第四，踩过啥坑？​ 常见的是模型在PC上准，到板子上崩——可能是算子不支持（比如某些激活函数），得换框架或改模型。还有功耗爆炸，后来用了动态调频，闲时降性能，省电30%。

3.16 投了美的，项目名叫「美少年」… 没绷住3.19 做 AI 面。说实话 AI 面有点不尊重人，但美的这套很短，不像安克那种折磨三小时…流程很简单：自我介绍有没有社团 / 学生活动经历？我… 其实没有，现场临时瞎编了一个😅追问：你在社团有没有带队、做出成果？继续编…举一个你创新的例子英语三问：Why Media？Why this position？三年职业规划？我现场一顿乱夸：美的行业龙头、平台大、成长快… 我适配度超高…规划就标准模板：第一年参与、第二年负责、第三年骨干 / 小管理…嘴上吹完心里：我都不一定能干满三年🤣图形推理很简单，就对称 + 重叠规律，闭眼过性格测试看反馈就能知道：领导力、成就动机那块要自信大胆选。其他全部往积极靠就行。我这次没被拷简历，但我朋友被拷得很惨…

除非你不想要这个offer，因为AI面也是有真人会抽查的。。。 你胡说八道一通，AI当下虽然在迎合你，但回传的AI面试报告里会记录你的缺陷发言，大模型一直在进步，今年AI面给回馈的报告真的很全面详细了，如果大家不想面试的话，可以不参加AI面，也没必要浪费自己的时间瞎说一通

哎第一次ai面，不知道为啥后边一直问我爬虫，直接说了不懂还追着问，感觉回答的挺一般，而且我笔试都没做，前天又给发了个ai面，随便混混了上来选择熟悉什么语言 Java1. 自我介绍2. 如何使用ai，ai帮你解决问题的经历3. http原理3.1 http请求包含哪些部分3.2 http请求到达服务器如何处理的？4. 消息队列的原理与应用场景4.1如何处理消息积压4.2kafka如果水平拓展消费者，如何处理顺序性5. rag问答系统，向量化，向量库，llm输出等等6. 5.1概念解释，调用顺序5.2 追问超时预估？6. 爬虫爬取目标网站，如何设计，且不能超出目标网站承载？6.2如何控制请求频率？使用什么工具？7.抽象类与接口的区别(前边问了，忘了加了，放在这吧)7.1一个类实现多个接口且继承实现类，有什么要注意的地方7.2如果多个接口方法名一样，实现逻辑不一样，如何处理？8.遇到的高压经历？如何处理，最终结果如何8.1 如果团队内对需求理解不一致如何解决？高压环境下团队如何正常工作

个人背景、大学经历、实习与项目经历，以及 AI 大模型对你的影响TCP 和 UDP 的区别TCP 三次握手的细节为什么 TCP 握手是三次，而不是两次或四次JVM 中堆栈、方法区、程序计数器的结构JVM 垃圾回收的过程，以及对内存的影响为什么 JVM 堆要分代？背后的原理和考量SQL 查询优化的方法索引下推的例子？索引下推的底层实现如何设计系统来防止刷好评和恶意差评用 Redis 限制评价次数，在实现中可能会遇到哪些问题？每个题都是5分钟，有十几秒的思考时间。

平安银行面试过了，感觉还挺简单的，问我的问题是这些，大家可以参考一下1、请做 1-2 分钟自我介绍。2、你的核心优势是什么？请举实例。3、你的缺点是什么？追问：如何改进？4、为什么选择平安银行？5、你对平安银行零售业务有什么了解？6、遇到压力大、任务多的时候，你会怎么处理？7、未来 3-5 年的职业规划是什么？

大模型与应用开发（高频考点）RAG（检索增强生成）：“什么是RAG？前端/后端在整个流程中可以参与哪些工作？”“如果找不到合适的数据集怎么办？你用什么样的方法清洗和整理数据？”Prompt Engineering（提示词工程）：“如何优化Prompt Engineering，以减少Token消耗？”“如何防范Prompt Injection（提示词注入）攻击？”流式输出与前端处理：“在AI流式输出过程中，如果返回的Markdown标签被截断，前端如何处理渲染？”“在AI聊天界面中，当消息非常多时，如何保证滚动平滑且不卡顿？”AI Agent（智能体）与系统设计工具调用： “Agent工具调用失败如何处理？请设计一个降级策略。”多Agent协作： “请设计一个多Agent代码审查系统，如何分配角色（如StyleReviewer, SecurityReviewer）？”记忆机制： “短期记忆和长期记忆在Agent中如何设计？如何保持风格一致？”

AI 面的提问逻辑其实很简单 ——精准锁定你简历和自我介绍里的关键词，然后顺着技术点 “追根究底”，全程没有废话，比真人面试官更 “较真”，也更擅长抓知识盲区。首先，自我介绍里提到的技术栈，一定会被逐个拆解提问。比如你说 “熟练掌握 Java 后端开发”，AI 会先从基础八股开始：“HashMap 的底层实现？JDK1.8 做了哪些优化？红黑树的插入条件是什么？”；你说 “用 Redis 做过缓存优化”，追问立刻就来：“缓存穿透、击穿、雪崩的区别和解决方案？布隆过滤器的原理和优缺点？Redis 分布式锁如何避免死锁？” 这些问题不会跳着问，而是层层递进，直到你答不上来为止。其次，项目经验是 AI 面的重点 “拷打” 对象，细节问到你怀疑人生。比如你写 “参与 Spring Boot 项目开发，负责用户模块”，AI 会问：“用户模块的表结构设计？为什么用这个字段类型？用户登录的鉴权流程是什么？有没有考虑过 XSS 攻击？”；你提 “做过接口性能优化”，它会追着要数据：“优化前的响应时间是多少？用了什么工具做压测？优化后提升了多少？具体改了哪些代码？” 模糊的表述在这里完全行不通，必须有实打实的细节支撑。再者，场景化问题占比极高，主打一个 “考察实战能力”。这些问题不是死记硬背就能答好的，需要结合开发经验梳理思路。比如：“接口出现超时问题，你的排查步骤是什么？”“MySQL 慢查询如何优化？从索引、SQL 语句、配置三个方面说明。”“高并发场景下，如何保证接口幂等性？列举三种以上方案。”“分布式事务的几种实现方式？各自的优缺点和适用场景？”还有一个很容易被忽略的点 ——AI 面会问基础编程和算法题。部分平台会直接嵌入代码编辑器，要求你现场写代码，比如 “用 Java 实现一个简单的线程池”“写一个快速排序算法，要求处理重复元素”“用 Python 实现 LRU 缓存”，难度不算高，但很考验代码规范和临场发挥能力。最后，还有一些 “软性问题”，用来考察你的学习能力和职业规划。比如 “你最近在学习什么新技术？为什么选择这个方向？”“你觉得自己最大的技术短板是什么？打算如何弥补？”“如果入职后，遇到不会的技术问题，你会怎么解决？” 这些问题虽然不涉及硬核技术，但回答得好能加分不少。总的来说，AI 面的问题没有 “偏题怪题”，核心就是 “你写了什么，它就问什么”。准备的关键就是把简历里的每一个技术点、每一个项目细节都吃透，梳理清楚前因后果，确保问到任何相关问题都能条理清晰地回答 —— 毕竟 AI 不会因为你的紧张而手下留情，只会一步步挖到你的知识边界。