京东物流前端一面

这次的暑期实习找了大概3-4周，从开学的3.2-3.25。第一周就是海投已开的大厂，前两天的时候还在纠结岗位，挣扎着要不要转前端，考虑了两天还是决定测试了，然后就是快速修简历，正式开始boss上广打招呼，各大厂官网投递。第一周的末尾接了两场，猝不及防，面的很差劲。第二周陆续的面试，但都折戟了，到周末气势也比较低，开始想办法端正心态，放缓焦虑，不要着急，提升自己。 第三周的面试比较少，当时有点摆烂，就没记录，这里补一下吧。3.17 面了信业科技，记不太清了，印象中完全是围绕我的简历开始发散问的，有八股和用例设计，用例设计好像问了挺多，之后也没后续了。3.25（晚上） 被腾讯捞了一把，再次一面。这次没问八股，围绕着项目和实习问了各种经历和测试相关的事，比较聊天的氛围吧，最后手撕也过了，所以过了。后面有来约二面，但是base不在上海，而且这次面试来的晚了点，这个时候我差不多都定offer了。 最后定的offer，流程线单独讲吧。3.7 投递了京东； 3.9 通知约一面时间； 3.11 第一次一面，但是岗位偏后端微服务器，我不太了解，遗憾被刷； 3.12 被捞，再次约一面； 3.18 第二次一面，是偏前端的测试岗。这次答得不错，我自己感觉都比较有把握，确实过了。当天就约二面时间； 3.23 二面，这次其实答的不是很有底，有些八股没回答上来，但是手撕写出来了，面试官态度比较淡，所以我特别没把握，一度特别焦虑，当时没啥其他的消息，就对京东这场期望特别大； 3.24 约三面，二面过的时候还是特别兴奋，感觉能成为jd死忠了都，主要当时其他公司都没啥消息，我又有些急性子，整的挺焦虑的； 3.25 三面，当天下午就发了offer，当时其他公司都没啥进度，所以当天很快就接了； 3.30 正式入职。 其实回顾来看，我在这个过程中比较焦虑，有一部分是我自己性格的问题，有点太着急了，不太能接受较长的等待。后面接了offer后，像美团携程B站等公司才开始约面试或笔试，甚至字节也来捞了一次。但我当时都入职了就都拒了。整体来说，流程比较快的大厂也就是字节、腾讯、京东了（我投递公司里）。因为我的性格，其他的都没有机会参与后续的流程了。 不过也还好，京东也不亏，还省了租房子的钱，至于加班，感觉大厂们都差不多吧。 目前京东体验下来，加班也不轻松，希望后续我能顺顺利利吧，攒攒人品给正在求职的同学一点小建议：1.求职不用死等一家公司，多投递、多面才能手里有offer、心里不慌；2. 遇到流程快的大厂可以优先冲，能大幅缩短等待OC的煎熬期；3.心态容易焦虑的同学，别把所有期待押在一场面试上，多线并行更稳；4. 八股和手撕提前准备到位，就算突然被捞、临时面试也能稳稳通过，更快拿到OC。

一、技术岗位（含 AI 相关方向）1. AI 应用开发 / 后端开发金山云考察重点：AI 工具在实际项目中的应用（代码生成、优化迭代）初创公司（上海 / 杭州）考察重点：AI 生成代码的流程设计、Prompt 编写、测试兜底美团考察重点：模型幻觉处理、RAG 优化、多模型对比阿里（通义灵码团队）考察重点：需求拆分、AI 代码架构设计腾讯（代码智能算法岗）考察重点：微调经验、AI 辅助编程实践附加技术栈：Redis / Kafka 消息队列、MySQL 调优、分布式系统（跨主机通信）2. 前端开发京东零售考察重点：AI 辅助开发（Vue/React + 页面生成、组件优化）蔚灵科技考察重点：框架通信机制、CSS 布局（Flex）、异步处理（Promise）3. 测试 / 测开OPPO考察重点：AI 生成测试用例的覆盖率优化、结果准确性验证蚂蚁（大模型评测岗）考察重点：RAG 检索、FunctionCall、Playwright MCP、WebSocket/SSE 区别二、非技术岗位AI 产品经理（多家公司）考察重点：SQL / Python 脚本的 AI 生成、自动化提效场景、用伪代码与研发对齐需求三、考察趋势速览实战派公司（允许面试中使用 AI 工具）字节跳动、美团研发派公司（聚焦 AI 编程工具本身开发）阿里（通义灵码）、腾讯（代码智能算法）、开放传神科技四、高频考察问题（供备考参考）实际项目中如何结合 AI Coding 进行优化？如何设计 AI 生成代码的流程与兜底方案？如何处理模型幻觉？如何优化 RAG 分块？有无微调经验？如何对比多个模型的效果？五、备考建议技术岗重点准备真实项目案例，突出 AI 工具带来的优化点以及解决的问题非技术岗突出 AI 提效场景，例如用 AI 生成 SQL / Python 脚本避坑提示：避免只回答“我会用 AI”，要展示问题拆解能力和结果验证方法。

1. 无手撕无八股无AI 只问第一个项目2. 两个项目你觉得哪个难度更大？简单介绍下这个项目3. 语音转文字怎么做的？（自己提到优化）4. 和服务端的连接怎么做的？5. 讲讲逐字输出和滚动跟随怎么实现的6. 设计模式有哪些？7. 如果AI的文字中断了，怎么处理？定时器设置多长时间？SSE协议中有相关说明吗？8. 讲讲技术选型，为什么用SSE？你是怎么思考选择的9. 有没有富文本？没有。如果要实现该怎么做？10. 基于心理场景，做了哪些考虑？市面上有类似的应用吗？你说用过蚂蚁医生，有没有做过对比？11. 应用给别人用过吗？12. 项目提升了什么能力？13. 知道哪些排序算法？快速排序时间空间复杂度是什么？14. react的diff算法？15. 项目有什么优化？大概三十分钟 主包好紧张的优化都没说出来。攒攒人品

最开始我跟大多数应届生一样，觉得 AI 项目嘛，不就是调个大模型 API，做个 RAG 知识库，整个聊天机器人，就完事了。结果面试的时候，面试官一句话给我怼懵了：“今天面了 10 个人，9 个做了 RAG 知识库，还有 1 个做了通用推荐 Agent，你的项目跟他们比，亮点在哪？”那一刻我才明白：不是你做了 AI 项目就有加分，是你做的项目有差异化、有落地、有深度，才能帮你拿 offer。那些烂大街的 demo 级项目，做了等于白做，甚至还会减分。今天就把我春招踩过的坑、亲测面试真的能加分的 AI 项目全部分享出来，帮牛友们少走弯路，别再把时间浪费在没用的项目上了！一、先说说我踩过的 3 个巨坑，这些 AI 项目千万别瞎做！坑 1：纯调 API 的 demo 级项目，做了等于白做最开始我做的第一个项目，就是基于 OpenAI API 做的通用聊天机器人，加了个简单的前端页面，就觉得是 AI 项目了。结果面试的时候，面试官只问了一句话：“你这个项目，除了调 API，自己做了什么核心工作？”我当场哑口无言。面试官根本不看你会不会调 API，他们想看的是你解决了什么问题、做了什么优化、有什么自己的思考。纯调 API 的 demo，应届生人人都能做，毫无竞争力。坑 2：烂大街的基础 RAG 知识库，毫无差异化第二个项目，我跟着网上的教程做了个本地文件知识库问答系统，用了 LangChain+Chroma+GPT，觉得这下总行了吧。结果面了 5 家，4 家面试官都跟我说：“这个项目我们面的人基本都做过，你跟别人的区别在哪？”我当时说我优化了 prompt，面试官直接笑了：“就这？”后来我才知道，基础 RAG 知识库，已经是 2024 年的应届生项目了，2026 年了，这个项目已经烂大街了，没有任何差异化和深度，根本打动不了面试官。坑 3：盲目做太硬核的算法项目，自己 hold 不住看着身边的同学都在做大模型微调、多模态模型训练，我也跟风去做了个基于 Llama3 的微调项目，结果面试的时候，面试官一追问底层原理、数据处理、优化细节，我就答不上来了。面试官直接说：“你这个项目，看起来很硬核，但你自己都没吃透，还不如做一个小而精、你完全掌握的项目。”应届生千万别盲目跟风做太硬核的算法项目，除非你是算法科班，真的吃透了。否则面试一追问就露馅，反而减分。二、亲测有效！春招帮我拿到 offer 的 4 个 AI 项目，面试真的狂加分踩了无数坑之后，我把之前的项目全部推翻重做，聚焦在小而精、有落地场景、有工程化、有真实优化的方向，结果面试的时候，面试官对这些项目的兴趣度直接拉满，甚至有 3 家公司的面试，全程都在深挖我的项目，几乎没问八股！1. 基于 MCP 协议的电商运营垂直 Agent（适配岗位：AI 应用开发、Java 后端、全栈开发）这个项目是我春招的核心项目，也是面试官问得最多、最感兴趣的项目。核心实现：基于 MCP（Model Context Protocol）协议，对接了淘宝 / 京东开放平台、飞书、Excel、千牛商家后台，做了一个电商运营专属 Agent，能实现自动订单分析、差评舆情监控、商品标题优化、客服话术生成、投放数据复盘，全程不用人工切换平台，Agent 自动调用工具完成全流程操作。核心亮点（面试加分点）：不是通用 Agent，是垂直行业落地场景，解决了电商运营的真实痛点，不是空 demo；用了 2026 年最火的 MCP 协议，面试官会觉得你对行业最新趋势很敏感；做了工程化落地，不是单文件 demo，有完整的前后端、权限管理、任务调度、日志监控，能直接给商家用；有真实的优化数据：比如把运营的每日复盘时间从 2 小时压缩到 10 分钟，标题优化后的商品点击率提升了 18%，有真实数据，面试官特别爱问。面试反馈：几乎每家公司的面试官，都对这个项目特别感兴趣，全程深挖技术实现、踩坑细节、优化逻辑，甚至有面试官直接说 “这个项目，比那些烂大街的知识库有意义多了”。2. 工业级多模态 RAG 产品质检系统（适配岗位：AI 应用开发、后端开发、算法岗）这个项目是我把之前的基础 RAG 知识库，重新做了深度优化和场景落地，直接从烂大街的 B 级项目，变成了有亮点的 A 级项目。核心实现：针对工厂产品质检的场景，做了一个多模态 RAG 质检系统，能上传产品图片、质检标准文档、视频，自动对比产品是否有瑕疵、是否符合质检标准，输出质检报告，还能对接工厂的 MES 系统，自动同步质检结果。核心亮点（面试加分点）：不是纯文本的基础 RAG，是多模态 RAG，融合了图片、文档、视频，技术深度有了；有明确的落地场景，解决了工厂质检效率低、人工成本高的真实问题，不是空泛的知识库；做了大量的工业级优化：比如混合检索优化、分块策略优化、图片特征提取优化、幻觉抑制，把问答准确率从 62% 优化到了 94%，有完整的优化链路和数据，面试官特别爱问；做了工程化落地，支持高并发质检请求，有完整的权限管理、质检流程审批，不是本地 demo。面试反馈：之前面基础 RAG 被怼，这个项目一讲，面试官全程点头，甚至有面试官跟我探讨多模态 RAG 的优化细节，直接拉满了好感度。3. 基于本地大模型的代码审计 Agent（适配岗位：Java 后端、Go 后端、AI 应用开发、安全岗）这个项目是我为了适配后端开发岗做的，特别适合想从后端转 AI 开发的牛友，完美结合了后端开发和 AI 能力。核心实现：基于本地开源大模型（Llama3 8B），做了一个代码审计 Agent，能对接 Git 仓库，自动拉取代码，扫描代码中的安全漏洞、性能问题、规范问题，输出修复建议，还能自动生成修复后的代码，对接 Jenkins 实现提交代码自动审计，完全本地化部署，不依赖第三方 API。核心亮点（面试加分点）：完美结合了后端开发的能力（Git、Jenkins、代码规范、安全漏洞）和 AI 能力，特别适合后端转 AI 的同学，跟纯 AI 专业的候选人形成差异化；本地化部署，解决了企业代码泄露的痛点，有真实的落地价值；做了大量的定制化优化：比如针对 Java/Go 语言的规则定制、漏洞库匹配、少样本优化，把漏洞检出率从 70% 优化到了 88%，误报率降到了 15% 以下；有完整的工程化实现，能直接集成到企业的 CI/CD 流程里，不是 demo。面试反馈：面阿里、字节的 Java 后端 + AI 工程化岗的时候，这个项目特别加分，面试官觉得我既懂后端开发，又懂 AI 落地，比只会调 API 的候选人强太多。4. 端侧轻量化 AI 日程管理 Agent（适配岗位：客户端开发、前端开发、AI 应用开发）这个项目是我用来补全端侧 AI 经验的，2026 年端侧 AI 特别火，这个项目刚好踩中了趋势，面试的时候也很加分。核心实现：基于端侧轻量化大模型（Qwen2 1.5B），做了一个手机端的日程管理 Agent，能自动读取手机短信、微信、日历的信息，自动生成日程、设置提醒，还能根据你的日程安排，智能规划出行时间、预约打车、生成待办清单，全程在端侧运行，不上传数据，保护隐私。核心亮点（面试加分点）：踩中了 2026 年端侧 AI 的风口，面试官会觉得你对行业趋势很敏感；解决了用户的真实痛点，不是空 demo，能直接在手机上用；做了端侧模型量化、推理优化，把模型推理速度提升了 3 倍，内存占用降低了 60%，有真实的优化数据；有完整的客户端开发实现，不是纯算法 demo，适合客户端、前端同学做。最后给牛友们的真心话2026 年了，AI 早就不是什么新鲜东西了，应届生人人都能做 AI 项目，能帮你拿到 offer 的，从来不是你做的项目有多高大上，而是你做的项目有落地、有深度、有差异化、你完全吃透了。别再做烂大街的 RAG 知识库、纯调 API 的聊天机器人了，花 1 个月时间，做一个垂直场景、小而精、有真实优化的 AI 项目，比你做 10 个 demo 都管用。祝所有牛友们春招都能靠优质的 AI 项目，拿到心仪的 offer！