面试___岗的必刷题单

算法题：约瑟夫环，leetcode1823八股：顺序记不大清了1.装箱拆箱了解吗2.怎么深拷贝3.在方法外面有个数据，方法中传入这个数据，内部对数据修改，方法外的数据变吗4.redis中你怎么使用线程池的5.你redis线程池用的哪个？6.springboot有哪些注解（我这里说了不是springboot的，我说了@Controller和@RestController，然后又追加问我这两个区别，没回答上来）7.mybatis了解吗，mybatis中怎么绑定值？（我这里可能没理解问题是什么）8.springboot controller里面参数传递进来有哪些？（@PathVariable@RequestParam@RequestBody，这些）9.项目里超卖一人一单怎么做的？为什么不直接在java里写lua里写的内容？会有什么问题？怎么解决？10.消息队列怎么保证消息不丢失？11.你这里ttl是怎么实现的，就是订单不支付过期怎么处理的？12.你这里用spring task去扫描，如果在分布式条件下有什么问题？应该还有一些没记住，没敢录音，第一次面试，然后回答的也是一坨，很紧张，我反问的时候面试官说我太紧张了，太多涉及到细节还是回答不上来，要对自己项目怎么做的要熟悉才行，大家以我为鉴

一、必懂 4 个核心概念1. 流量：从哪来（抖音/小红书/公众号/私域）2. 转化：怎么让人下单/关注/留资3. 留存：怎么让人留下来、复购4. 数据：一切用数据说话二、必会 5 个数据指标• 播放/阅读量• 点击率 CTR• 转化率 CVR• 粉丝增长/客单价• ROI（投入产出比）三、必背 3 种工作思维1. 用户思维：站在用户角度想问题2. 闭环思维：凡事有交代，件件有着落3. 结果思维：做任何事都要目标和数据四、必准备 3 个故事（STAR）1. 你做过什么活动/内容2. 过程中遇到什么困难3. 最后拿到什么结果（数字）五、必问面试官的 3 个问题1. 这个岗位核心KPI是什么？2. 团队目前最大的挑战是什么？3. 试用期怎么算合格？六、必避 3 个坑不要说“我学习能力强”（太虚）不要说“我会努力”（没用）要用事实+数据证明自己，懂流量、会转化、看数据、能落地、会复盘。

数据分析面试简直是全能大杂烩！我的必刷清单：SQL必会：LeetCode数据库板块（50道经典题）窗口函数（row_number、rank、lag必须手写）连续登录问题、留存计算、复购率（面试高频）Python必练：pandas数据处理（groupby、merge、apply）numpy基础运算可视化（matplotlib/seaborn）统计学必背：假设检验、AB实验（面试必问）概率题（贝叶斯、条件概率）机器学习基础（逻辑回归、决策树原理）最绝望的是，有的公司考算法题（LeetCode easy），有的考产品思维题，太杂了！

一、基础认知题（必问）1. 你理解的AI产品经理和普通产品经理有什么区别？2. 大模型、NLP、CV、AIGC、RAG、Agent 分别是什么？用一句话讲清楚。3. 现在主流大模型有哪些？各自特点是什么？4. AI产品的核心难点是什么？（效果不稳定、不可解释、数据依赖、成本高）5. 你做过的AI产品，解决了什么业务问题？二、技术理解题（不用写代码，但要懂逻辑）1. 什么是Prompt工程？好的Prompt具备哪些要素？2. 什么是RAG？为什么要用RAG，解决什么问题？3. 什么是Agent智能体？工作流程是什么？4. 大模型幻觉是什么？怎么降低幻觉？5. 模型微调（Fine-tune） 与提示词优化的区别与适用场景？6. 如何评估AI效果？指标：准确率、召回率、流畅度、相关性、人工满意度。三、产品设计题（高频实战）1. 给你一个场景（客服/写作/知识库/教育/办公），怎么设计AI产品？2. 如何设计AI对话产品的交互？（历史记忆、打断、澄清、重试、撤回）3. 如何做AI功能的需求优先级？4. 如果模型回答不稳定、很慢、很贵，你作为PM怎么优化？5. 设计一个AI知识库问答产品，画出核心流程。6. 用户说“AI不好用”，你怎么定位问题？四、项目与复盘题（必准备）1. 讲一个你最成功的AI相关项目，你做了什么，结果如何？2. 项目中最大的风险是什么？怎么解决的？3. 你和算法/研发怎么协作？需求怎么落地？4. 你如何衡量AI产品的价值？（效率、成本、收入、体验）5. 如果模型效果达不到预期，你会怎么办？五、业务与行业题1. 你觉得未来1–2年AI产品的机会在哪？2. To C 和 To B 的AI产品有什么区别？3. AI产品的商业模式有哪些？（API收费、订阅、私有化、按调用量）4. 数据安全、合规、隐私对你的产品有什么约束？5. 你最近在关注哪类AI产品？为什么？六、逻辑与压力题1. 你觉得AI产品经理最核心的三个能力是什么？2. 没有算法背景，怎么做AI产品？3. 研发说“实现不了”，你怎么推进？4. 你未来1–3年的职业规划？

供应链面试，岗位太宽泛了，准备到崩溃我的准备清单：采购方向：供应商评估方法谈判技巧采购流程（寻源-比价-下单-跟单）物流方向：仓储管理（WMS、库位规划）运输管理（路线优化、成本控制）库存管理（ABC分类、安全库存）计划方向：需求预测方法产销协同库存周转率计算数据分析：Excel（必会）SQL（加分）供应链系统（SAP/ERP了解即可）

（以上数据分析岗指的是偏技术测的数分，偏业务侧的数分面试的技术问题较为简单）1.sql题，基本的排序函数，日期函数，窗口函数如三种排序方法的区别；sql的执行顺序；数据倾斜的处理方法；查询最大登录天数的用户；宽表合并问题，三种合并函数去别2.八股，Hadoop组件的作用；ETL的流程；数据分层的作用，这里一般和实习业务结合起来考；数据校验工作；数据同步3.八股：数仓维度建模理论，数仓建模三范式，大数据中小文件的处理；如何提升SQL查询效率

运维面试，Linux命令必须刻在DNA里！我的运维面试题单：Linux必会：常用命令（grep/awk/sed必须手写）系统排查（CPU爆满怎么查、内存泄漏怎么定位）权限管理（chmod/chown）网络必背：TCP/IP协议栈DNS解析过程HTTP/HTTPS区别负载均衡（LVS/Nginx）容器必练：Docker常用命令+原理K8s架构+核心概念（pod/service/ingress）脚本必写：Shell脚本（日志分析、自动备份）Python脚本（监控报警）最崩溃的是，现在运维也要会算法题了，LeetCode easy起步，谁懂啊！

一、基础认知题（每家开场必问）1. 你理解的AI运营是做什么的？和普通运营有什么区别？2. 你用过哪些大模型/AI工具？（ChatGPT、豆包、文心一言、Kimi、通义千问等）3. AI运营的核心目标是什么？（答：提升模型效果、降低幻觉、提升用户体验、提高使用率）4. 你为什么想做AI运营？二、Prompt 提示词工程（必考核心）1. 什么是好Prompt？2. 写Prompt的结构：角色+任务+要求+输出格式+示例3. 如何让AI不胡说、不乱编？4. 如何让输出更稳定、更专业？5. 怎么通过Prompt做内容质检、规则约束？三、大模型/AI基础题（必须懂）1. 什么是大模型LLM？2. 什么是RAG、知识库、向量库？（简单讲清楚）3. 什么是AI幻觉？怎么发现、怎么解决？4. 微调、SFT、DPO 简单理解是什么？5. 怎么判断一个AI回答好不好？四、模型运营/训练师必考题1. 模型运营日常工作：语料清洗→标注→评测→迭代→效果提升2. 评测维度：准确率、流畅度、合规性、有用性、相关性3. 标注数据怎么做才标准？4. bad case 怎么处理？5. 如何提升AI回答满意度？五、场景实操题（决定过不过）1. 用户说AI回答胡说八道，你怎么排查？2. 同样的问题，AI每次回答不一样，你怎么优化？3. 如何做一套AI问答质检标准？4. 业务说AI不好用，你怎么落地优化？5. 怎么用运营手段提高AI功能使用率？六、AIGC 内容/增长运营题1. 怎么用AI做内容批量生产？2. 如何保证AI生成内容不违规、不侵权？3. 做AI工具的增长：拉新→激活→留存→变现思路4. 如何做AI工具的用户教育？七、SQL/数据基础（很多公司会考）1. 会不会看数据：使用率、满意度、调用量、失败率2. DAU下降怎么分析？3. 简单SQL：增删改查、分组、筛选会不会？4. 如何用数据证明你做的运营有效果？八、软实力/行为面1. 你抗压吗？怎么处理重复枯燥的标注/评测？2. 遇到逻辑复杂的需求，你怎么拆解？3. 和产品、算法、开发怎么沟通？4. 你的职业规划是什么？（往AI产品/AI策略/大模型运营走）九、高分万能回答模板AI运营 = 懂业务 + 懂提示词 + 懂数据 + 会落地优化遇到不会的题：先讲理解→再说思路→讲你会怎么做→最后看数据结果

前端真的太卷了！八股文背到我怀疑自己是不是在学文科分享我的前端面试题单：JS基础：闭包、原型链、事件循环、Promise（必须手写）CSS：flex/grid布局、BFC、居中方式（面试必问）框架：Vue3响应式原理、虚拟DOM、diff算法；React Hooks原理手写：防抖节流、深拷贝、Promise.all、数组扁平化最崩溃的是，背完八股还要做算法题！前端也要手撕LRU，谁懂啊！

整理了数据分析面试中最常问到的真实问题，不管是应届生还是转行，提前准备好，面试更有底气。1. 做一下简单的自我介绍2. 你为什么想做数据分析3. 你理解的数据分析工作内容是什么4. 你做过哪些数据分析相关的项目或实习5. 讲一个你最完整的数据分析案例6. 你常用的数据分析工具有哪些7. SQL常用的函数有哪些，用过哪些关联查询8. 如何用SQL计算用户留存率9. 如何处理数据中的异常值和缺失值10. 你常用的Excel函数有哪些11. 如何制作一份清晰的数据报表12. 说一下你对指标体系的理解13. 如何定义核心数据指标14. 数据波动下降，你会怎么分析原因15. 如何做用户分层和用户画像分析16. 说一下你对A/B测试的理解17. 如何评估一个活动效果好不好18. 如何从数据中发现业务问题19. 你会如何给非技术人员讲解数据结论20. 你对我们行业和业务有什么了解21. 未来在数据分析方向有什么规划

最近很多人面试运营都会被问懵，其实运营面试高频题就那些，提前准备好，通过率真的会高很多。整理了一套真实面试里常出现的题库，不管是内容运营、用户运营、活动运营、新媒体运营都能用，直接照着准备就行。1. 简单做个自我介绍2. 你为什么想做运营3. 你理解的运营是什么4. 你觉得运营最重要的能力是什么5. 你过往做过哪些运营相关工作6. 讲一个你最成功的运营案例7. 你做过哪些内容，数据怎么样8. 你平时怎么找选题和素材9. 如何提高账号的粉丝量和阅读量10. 你做过活动吗，活动流程是怎样的11. 活动效果不好你会怎么复盘12. 如何拉新、留存、促活13. 你会怎么提升用户活跃度14. 遇到负面评论和舆情怎么处理15. 你怎么理解转化率16. 你会看哪些运营数据17. 数据不好你会怎么优化18. 你平时关注哪些运营账号，为什么19. 你对我们公司/产品有什么了解20. 你未来的职业规划是什么这些题都是运营面试里最常出现的，每道题提前想好思路，面试基本不会慌。

想拿下AIGC产品经理offer，刷对面试题才是关键！整理了6大模块高频必刷真题，从基础认知到实战设计，从技术理解到行业思考，覆盖大厂/创业公司核心面试考点，零基础、转岗、进阶PM都能直接用！一、基础认知题（必问开篇，踩点得分）1. 你怎么理解AIGC产品经理？和传统产品经理、AI产品经理的核心区别是什么？2. 当下主流的AIGC技术方向有哪些？（文本、图像、音频、视频、多模态）分别举例代表产品。3. AIGC产品的核心价值是什么？解决了用户/行业哪些痛点？4. AIGC产品的核心痛点有哪些？（幻觉、版权、合规、效果不稳定、成本高等）5. 你常用的AIGC工具有哪些？分析其产品亮点和不足。二、技术理解题（懂原理不懵圈，区分专业度）1. 什么是大模型微调、Prompt工程、RAG、LoRA、Agent？分别说明在AIGC产品中的应用场景。2. 如何解决AIGC的幻觉问题？从产品层面有哪些优化手段？3. 多模态AIGC产品的技术逻辑是什么？产品设计中要注意哪些关键点？4. 提示词（Prompt）的核心设计原则有哪些？如何设计通用/场景化Prompt模板？5. AIGC模型训练的核心要素是什么？数据、算力、算法对产品落地的影响有哪些？6. 解释AI生成内容的版权问题，产品层面如何规避合规风险？三、产品设计题（实战核心，高频考察）1. 设计一款AI写作助手/AI绘画工具/AI视频生成工具，梳理核心功能框架和用户使用流程。2. 针对企业用户，设计一款AIGC内容营销产品，说明需求拆解和差异化卖点。3. 如何设计AIGC产品的内容审核机制，兼顾效率和合规性？4. AIGC产品的交互设计有哪些特殊性？（如生成进度、结果修改、历史记录、批量操作）5. 当AIGC生成效果不符合用户预期时，产品层面如何做交互优化？6. 如何搭建AIGC产品的付费体系？（按次数/订阅/流量计费、会员体系等）7. 设计AIGC产品的用户反馈模块，说明如何通过反馈迭代产品功能。四、项目实战题（深挖经历，验证落地能力）1. 讲一个你做过的AIGC相关项目，阐述你的核心职责、需求推导思路和落地成果。2. 项目中遇到AIGC生成效果差、研发排期紧、成本超支等问题，你是如何解决的？3. 你如何对接算法、研发、设计团队推进AIGC功能落地？遇到分歧怎么协调？4. 如何衡量AIGC产品/功能的成功？核心数据指标有哪些？（留存、转化率、生成准确率、用户满意度等）5. 复盘过往AIGC项目，你觉得最大的不足是什么？如果重做会怎么优化？五、行业业务题（考察视野，判断潜力）1. 你觉得当下AIGC产品的商业化落地场景，哪些最有前景？为什么？2. To C和To B类AIGC产品，在需求、设计、商业化上有哪些核心差异？3. 国内外头部AIGC产品（ChatGPT、Midjourney、文心一言、通义千问等）的优劣势对比。4. AIGC在教育、电商、金融、传媒等垂直行业的应用机会有哪些？5. 未来1-2年，AIGC产品的发展趋势是什么？会出现哪些新的产品形态？6. 中小厂做AIGC产品，如何和大厂竞争？差异化破局点在哪？六、逻辑压力题（应变测试，筛选优质人选）1. 你认为AIGC产品经理最核心的3项能力是什么？2. 没有算法/技术背景，你怎么胜任AIGC产品经理岗位？3. 算法团队说某AIGC功能暂时实现不了，你会怎么推进需求？4. 用户大量反馈AIGC产品不好用，你会如何定位问题并解决？5. 你的职业规划是什么？为什么选择AIGC产品经理这个方向？写在最后AIGC产品经理面试，不仅要背答案，更要懂逻辑、有实战思路。建议结合自身项目经历，把每道题转化为自己的话术，突出产品思维和AIGC落地能力，面试通过率直接拉满！

一、JS基础必刷题（必刷！刷40题左右）前端的根基！面试官一上来就问，基础不牢，后面全白搭，这部分必须吃透，不能偷懒！重点刷这些：变量提升、原型链、闭包、this指向（必考！）、箭头函数与普通函数区别、异步编程（Promise、async/await，高频中的高频）、数组方法（map、filter、reduce，不仅要会用，还要懂原理）、深浅拷贝、类型转换、事件冒泡与捕获。刷题建议：每天1-2题，不用刷太多，重点是理解，比如闭包的作用和坑、this指向的各种场景，刷完能自己讲明白，比死记硬背强10倍！二、HTML+CSS必刷题（基础加分，刷20-30题）别觉得这部分简单就忽略！很多人栽在这，尤...

下面是我的简历描述，我目前3年多经验，社招基本上拿这个描述都可以有面试机会，大厂也有面试机会，我感觉对于一个项目一定要突出技术亮点，我是大数据开发的，对于数据我能做到实时离线话，解决业务的时效需求，对于数据看板和性能瓶颈我可以做到优化，对于数仓建模可以很好的建设数据域和主题域，对于任务的模型可以做到数仓规范，合理掌控计算资源，大家对于大数据要突出亮点的可以找我这个

分享几个SQL刷题网站，数据人必备！LeetCode数据库板块：经典50题，面试高频牛客SQL题库：有在线编程环境，方便HackerRank SQL：难度分级，适合循序渐进SQLZOO：适合新手入门LintCode：题目多，有中文目前LeetCode刷了80道，感觉自己SQL已经人题合一了！结果面试官问我："你有AB实验的经验吗？" 直接把我问懵了。AB实验怎么准备啊，求大佬指路！

以牛客上的题目为例，如果是找嵌入式相关的工作（偏底层的），C语言和Linux这两个题库是必刷的，链接如下：C语言：https://www.nowcoder.com/exam/test/95003810/detail?examPageSource=Intelligent&judgmentIntercept=0&pid=66212411&testCallback=https%3A%2F%2Fwww.nowcoder.com%2Fexam%2Fintelligent%3FquestionJobId%3D3%26subTabName%3Dintelligent_page&testclass=%E9%80%9A%E4%BF%A1%2F%E7%A1%AC%E4%BB%B6Linux：https://www.nowcoder.com/exam/test/95003822/detail?examPageSource=Intelligent&judgmentIntercept=0&pid=66212420&testCallback=https%3A%2F%2Fwww.nowcoder.com%2Fexam%2Fintelligent%3FquestionJobId%3D3%26subTabName%3Dintelligent_page%26tagId%3D273590&testclass=%E9%80%9A%E4%BF%A1%2F%E7%A1%AC%E4%BB%B6以我自己举例，我当时实习上下班地铁的通勤时间都在一个小时左右，在地铁上没事的时候我就会拿着手机刷这些题库。到了公司第一件事就是先把这些题库自己不懂的、错误的、模糊的知识点整理到自己的笔记中，然后再开始实习办公。把这些刷完并掌握可以大大巩固你自己的基础知识，尤其对于匆忙转到嵌入式或者经验比较少的，基础就显得更加重要了。其中有些很经典的题或者说知识点，在面试中会经常问到你，这时候你答不上来或者答错了给人的印象就会比较差了。当然，需要注意的是，由于题目众多，有些题目是比较复杂或者偏僻的，这时候需要你有自己的节奏和判断，有选择地去掌握。包括到有些选择题其实是考你代码逻辑，那你觉得比较重要的或者比较巧妙的代码，都可以记录到自己的笔记中多回顾，比如判断一个数的二级制中一的个数、位运算、类型溢出等。这些东西不仅是笔试中会经常遇到，面试中也很有可能会被问到。

一、JS 板块• 核心概念：重点掌握原型链、闭包、异步编程（Promise、async/await）、事件循环等，深入理解 this 指向、作用域等高频考点。• 实战方向：通过刷题强化对 DOM 操作、正则表达式、ES6+ 新特性（如箭头函数、模块语法）的应用能力。二、LeetCode 板块（树、回溯、动规是重点）• 数据结构：聚焦数组、字符串、链表、栈队列等，熟练掌握其增删改查及边界处理。• 算法思维：攻克双指针、动态规划、贪心、递归回溯等经典算法，提升逻辑推导与代码优化能力。三、组件板块• 框架特性：深入理解 Vue/React 组件的生命周期、状态管理、通信方式（如 props、事件总线、Redux）。• 工程能力：掌握组件封装的复用性、扩展性原则，以及性能优化（如虚拟列表、懒加载）和跨组件逻辑复用（如自定义 Hook、Mixin）。

我感觉对于大数据开发必须要把SQL刷精通，尤其是连续登录30天的SQL，开会时长，最大在线人数这些金典的面试题，对于这些是必须要会，社招都会玩这个，校招可能是弄点简单的，玩一下窗口函数这些