实习

时间范围 近半年实际面过的公司阿里、腾讯、美团、字节、快手、同程、京东、360、keep、滴滴、印象笔记、作业帮、彩云科技、蓝色光标、江城互娱、Aviagames、Hungry Stdios、深言科技、即时科技、RockFlow、格灵深瞳、百融云创、印象笔记、网龙、 HiDream.ai、昆仑万维、数驱互动、Authing先说总结面试内容 & 难度个人觉得，在llm应用的面试题上，没有太多复杂、高深的问题，不像上来让你说一下分布式锁怎么设计然后死扣设计细节或是描述一下MVCC原理这种偏高难度的八股文问题（当然也遇到了一两次），究其原因以下几点，一是大模型应用目前仍没有很成熟且被广泛接纳的方案，都还在探索；二是很多公司今年刚开始all in AI（我司all进去的比较早点），面试官也懂得不多，例如RAG这个东西，大部分的面试题无非是“你觉得RAG中最难的是什么？（文档切割喽）”、“你是怎么解决幻觉问题的？”，“微调和RAG的区别是啥？”等等，如果你做过RAG加上你经常看技术文章结合你的“侃侃而谈”，基本面试官都觉得ok。但这里着重说一下我觉得当前非常重要且极大概率提升面试通过率的的一个技术点，就是掌握微调原理并且做过动手做过微调工作再加上动手部署过大模型，这是我面试中最常被问到而又只能说没做过的问题，当然大部分公司都有专门的算法团队去做这件事，自己到没机会参与其中，也是可以理解的。算法题：一半是DP问题，还有一部分难度是easy的问题，总体上都是“老熟人”，但是，你即使写出来，面试不一定就能过，有的干脆就不考算法题。八股文：明显比之前少很多，这个和面试的岗位有关系，LLM应用的岗位更偏实践，所有很多一面就是leader面，直接问项目，除非一面也不懂LLM的东西，就会考八股文，但总的来说，八股少了，但是绝对不可以不准备，好几次挂在这上面，别小瞧它。岗位内容：游戏公司：基本上是LLM + AB test for 游戏策划；BI 分析；游戏社区客服助手；toC: Agent 个人助手toB: Agent for 解决方案other: 通用 Agent 平台；公司内部AI助手、平台；Agent for 运维offer会有很多横向对比，如果你期望薪资比较高，对方说要在等等，基本上凉了。大部分涨幅基本是不到20%的，但我的期望是30%左右，最后还是拿到了（要有一点点耐心，还要有一定的运气）。不要眼高手低，先拿一个低于自己预期的offer，再慢慢谈，前提是公司想要你。规划好时间，集中面试，集中对比，由于我时间线拉的过长，后面安排的很乱。再总结每次面完都要复盘，没答好的问题，一定要重新梳理答案。没把握问题的可以直接说不会，别给个你自己都听不懂的答案。简历一定要让大模型润色，但自己要check一遍，别吹过头了。多看技术文章，扩展技术视野，提高二面面试官对你的印象。表达一定要流畅清晰，不要断断续续的，面试官会觉得你思路不清晰。项目效果评估是个很重要的问题，不管你的技术多炫酷，终究还是要看效果，看落地效果。面试题这里想到多少写多少LLM 基础大模型是怎么训练出来的？Transform 的架构，Encoder 和 Decoder 是什么？Function Call 是怎么训练的？微调的方案有哪些？自己做过没有？大模型分词器是什么？Embedding 是什么？你们用的那个模型？Lib介绍一下 langchian介绍一下 autogen有没有用过大模型的网关框架（litellm）为什么手搓agent，而不是用框架？mcp 是什么？和Function Call 有什么区别？有没有实践过？A2A 了解吗？PromptReAct 是啥？怎么实现的？CoT 是啥？为啥效果好呢？有啥缺点？Prompt Caching 是什么？温度值/top-p/top-k 分别是什么？各个场景下的最佳设置是什么？RAG你介绍一下RAG 是什么？最难的地方是哪？文档切割策略有哪些？怎么规避语义被切割掉的问题？多路召回是什么？文档怎么存的？粒度是多大？用的什么数据库？为啥要用到图数据库？向量数据库的对比有没有做过？Qdrant 性能如何？量级是多大？有没有性能瓶颈？怎么规避大模型的幻觉？微调和RAG的优劣势？怎么量化你的回答效果？ 例如检索的效果、回答的效果。Workflow怎么做的任务拆分？为什么要拆分？ 效果如何？怎么提升效果？text2sql 怎么做的？怎么提高准确率？如何润色query，目的是什么？code-generation 是什么做的？如何确保准确性？现在再让你设计你会怎么做？（replan）效果是怎么量化的？Agent介绍一下你的 Agent 项目长短期记忆是怎么做的？记忆是怎么存的？粒度是多少？怎么用的？Function Call 是什么做的？你最大的难题是什么？你是怎么提高效果的？怎么降低延迟的？端到端延迟如何优化的？介绍一下single-agent、multi-agent的设计方案有哪些？反思机制是什么做的？为什么要用反思？如何看待当下的LLM应用的趋势和方向为什么要用Webrtc？它和ws的区别是什么？agent服务高可用、稳健性是怎么保证的？llm 服务并发太高了怎么办？系统设计题短链系统分布式锁的设计给你一部长篇小说，怎么做文档切割？怎么做到论文翻译，并且格式尽可能和原来的统一游戏社区客服助手设计。如何绑定游戏黑话，如何利用好公司内部的文档结合线上问题快速定位项目工程代码有问题的地方有很多结构化和非结构化数据，怎么分析，再怎么得出我要的结论。八股go的内存分配策略、GMP、GCpython 的内存分配策略、GCredis 用过那些？mget 底层什么实现的？、zset怎么实现的？mysql 索引怎么设计最好？数据库隔离级别？mvcc是怎么实现的？分布式锁是什么实现的？kafka的 reblance 是什么？会产生那些问题？怎么保证数据不丢?fastapi 设计原理？go 中 net/http 如何处理的tcp粘包问题http2 是什么？比http1.1有什么优势？Linux 网络性能调优的方式如何定位Linux中的pid、端口号等等个人在每个项目的里的角色是什么？承担那些工作？项目是几个人在做？为什么离职、每次离职的原因是什么？平常怎么学习的？怎么接触到大模型的最新进展的？对大模型将来的应用发展有什么看法？你将来的职业规划是什么？

随着上午最后一个pdd的信息确认，我的暑期之旅结束了，投了20家，面了5家，拿了5家offer，分别是字节、淘天、美团、蚂蚁、拼多多，算上日常的offer，在秋招前就已经把阿里、腾讯、美团、字节、拼多多、小红书、得物的offer全集邮了，刚好是我们所谓的“atmd”、“上海四毒”（图2-图9）。暑期总共面了20场面试，挂了3场，另外拒面了6场，时间线见图1，基本上是3.7开始投递，最早的是3.25的美团oc，最晚的是5.5的pdd，期间一路长虹过，也挂过打复活赛一雪前耻，也有公司杳无音讯，我是带着三段大厂实习面暑期的，除去我拒面的几家，投了20家也只有5家约面了。所以我想告诉大家的是，没有约面很正常，运气、大环境这些因素也影响非常大，但同时，我又想告诉大家的是，大家没有面试就好好沉淀，不要懈怠气馁，沉淀技术到位，面试机会来了，就精确打击，一举成功，主打的是面试通过率，而不是靠面试场次去堆。就我个人而言，一直走的是精确打击的路线，面试通过率还算是比较高，日常面过5家，拿了4个offer，暑期面了5家，拿了5个offer，我的面试机会其实并不算多，但事实证明，offer是和你能力挂钩的，不和面试机会次数直接挂钩，技术没沉淀到位，给你0次面试机会和给你100次面试机会没有区别，所以希望大家不要焦虑面试机会少，而是要好好沉淀技术，争取一鸣惊人。学习方面，我推荐大家一定要有一段时间自己去深入学习+整理自己所学的所有技术栈，这样融会贯通后，面对同一个问题，你的回答就能和别人不一样，才能脱颖而出，因为现在大环境就是要这样，不这样没机会，选了这条路就得冲出这个大环境的包围。当然，如何深度学，这里面门道非常多，一时半会说不完，我以后有时间再跟大家扯扯。项目方面，我推荐大家不要把经典项目写简历，诚然，经典项目带给我们的成长很大， 比如黑马点评等等，我至今仍然觉得黑马点评是最好的Java入门项目，但是人人都黑马点评，人人都苍穹外卖，对HR和面试官而言，从简历上看，没有区分度，即使你有自己的理解，即使你对黑马点评改良了很多，有非常非常独特的自己的理解，但从简历而言，HR看到“点评”、“生活社区”等等字眼，已经懒得看你下面介绍，直接给你Pass了，所以项目无罪，但用的人多了，就有罪了。所以大家首先需要用的少的项目、其次需要对项目有自己的理解，我这里不推荐项目，我已经很久没关注市面上的项目了，因为实习远大于项目，有实习后项目已经可有可无了，但是因为我现在用的是一个自研的轮子项目，所以面试官让我挑一个介绍时，我仍然会吹我的项目而不是实习。但是大家有实习优先吹实习，其次是做个好项目。算法方面，熟刷hot100，至少刷三四遍，必须达到默写的程度，是必须！！！因为面试基本上就是从hot100出原题，是原题！等于事先就把题库告诉你了，熟刷hot100后，再随便刷刷其它题单，比如剑指offer等等，总题量刷个两百来题，就足够应对面试算法了，那么笔试算法呢？无所谓，能a出第一道签到题，就够了，因为笔试就是走个过场，只要不拿0分，给对面个台阶，最终还是看简历来筛选的，再说一遍，笔试就是走个过程，能a出一道签到题，第二题随便骗点分，就足够了，根本没有所谓的笔试挂，只有简历挂。至于那些什么场景题，我觉得本质其实就是灵活运用八股，一方面需要看你知识的广度，另一方面是看你能否把知识串起来，比如设计一个点赞系统，你需要把RPC、服务解耦、Redis、MySQL表设计、MQ、JUC、架构、集群等等知识全部串起来，这可能比较看重你的知识面的摄取，包括像是技术文章书籍的阅读等等。随便聊聊，不成体系，但我觉得能把我上面的话听进去的话，还是大有脾益的，每个人吸收的程度可能不同，后面有机会再把这些系统整理起来，出一期完整的路线讲解。