SHEIN一二面面筋（已挂）

一、基本情况 / 技术栈1.你先做个自我介绍。2.你的技术栈是什么？平时主要做哪些事情？3.你主要用 C++，那你是怎么做客户端开发的？4.你在客户端 SDK 里，C++、Android、iOS 分别负责什么部分？二、字节实习项目 / 端上特征平台5.你能详细介绍一下你做的项目吗？6.你觉得哪个项目最有价值？能重点介绍一下吗？7.你在字节实习里主要做了哪些产出？8.你们这个端上特征平台主要做什么事情？9.业务方是怎么使用这些端上特征的？10.你在这个项目里主要负责哪些部分？三、设备特征缓存优化11.设备特征缓存这块优化的背景是什么？12.原来端上设备特征调用为什么会有性能问题？13.为什么可以牺牲一部分时效性来换性能？14.业务方为什么能接受设备特征不是实时最新值？15.设备特征为什么要按 2 秒、10 秒、90 秒这类 TTL 分层？16.你们是怎么通过实验和埋点确定这些缓存分层的？17.哪些设备特征适合放在低频缓存里？哪些适合放在高频缓存里？四、特征 SQL 查询优化18.特征 SQL 查询优化的背景是什么？19.业务方调用特征 SQL 时，原来的性能瓶颈在哪里？20.为什么这些 SQL 可以进行合并优化？21.这些 SQL 为什么只有时间戳不同，其他结构比较相似？22.你们第一步用 UNION ALL 合并 SQL，为什么优化效果不理想？23.后面为什么要把时间戳提取出来，把 SQL 结构模板化？24.最小时间戳 / 覆盖范围最广的查询是什么意思？25.查询结果为什么可以放到应用层再分发？26.你们最后加的 SQL 查询结果缓存是怎么设计的？27.这个优化最终在单模块和整体链路上的收益分别是多少？五、实验 / A/B 验证28.你刚刚说通过实验验证，是已经进入实验系统了吗？29.你们通过实验主要比较什么指标？30.你们是怎么判断优化是否有效的？六、客户端岗位匹配31.你以后做 Android 和 iOS 客户端开发，有没有问题？32.你对 Android Java 和 iOS Objective-C 这两个方向清楚吗？33.如果岗位会涉及 Android 和 iOS 两端，你能接受吗？七、算法题 / 二叉树算法题：寻找两个节点的最深公共父节点34.二叉树会不会？35.这道二叉树题，你的整体思路是什么？36.你构建测试树的方式是什么？37.你现在构建的树是否依赖输入顺序？38.你的解法是否要求这棵树是有序二叉树 / 二叉搜索树？39.如果节点输入顺序打乱，你的算法还能正确吗？40.你是轮询整棵树，还是利用二叉搜索树性质降低复杂度？41.为什么有序二叉树可以降低查找复杂度？42.你之前刷到过这道题吗？43.你之前是怎么做这道题的？有没有看过其他更优解法？八、AI 编程工具使用44.现在 AI 编程工具很火，你用得怎么样？45.你在自己的 Agent 项目里，是怎么使用 AI 编程工具的？46.你常用哪些 AI 编程工具？47.Codex、Claude、MiniMax、GLM 这些工具或模型你用过吗？体验怎么样？

结合我自己春招18场AI岗面试的经历，以及牛客上百篇26届AI岗上岸面经，给大家整理了这份AI项目面试拷打全考点分档盘点，覆盖99%的校招AI项目面试问题，从基础必问到死亡追问，分模块拆解，标注高频程度和岗位适配度，不管你是AI应用开发、Java后端转AI、还是算法岗，都能直接对应准备。先说明：本次盘点覆盖2026年校招最高频的AI项目方向，包括RAG知识库/多模态RAG、垂直行业Agent、AI应用开发、大模型微调、端侧AI，所有考点均来自真实面试真题，应届生直接按这个清单准备，面试官拷打不动你。核心分档逻辑：【基础必问层】：90%的面试都会问，项目入门门槛，答不上来直接凉，判定项目不是你做...

1、arthas 了解么？用作干嘛的 底层原理怎么实现的2、linux常用命令3、嵌套创建文件目录的命令是什么4、软链接和硬链接了解么5、http常见响应码有哪些6、io流涉及到哪些设计模式7、你用过哪些设计模式8、jdk17 21 8 有哪些新特性9、了解虚拟线程么10、如何排查cpu飙升11、内存溢出怎么排查12、常用的jdk命令有哪些 jstack jmap还有么13、ping命令涉及哪些协议以及是在哪一层14、网络层有哪些其他的协议15、负载均衡策略有哪些欢迎一起加入 大厂 #后端开发

投的cpp研发工程师 ，一面直接主管面， 简单问了点实习项目。介绍说业务是python 加 cpp语言 大概是语音模块的业务。反问问后面流程面试官直接说是hr面了，感觉是缺人做dirtywork了 有没有牛油懂得，有没有坑啊。故事是这样的，部门主要是做ai infra的，但是我这块完全不懂，所以拒了第一次面，但hr还是打电话说让我试试，也有其它的业务。稀里糊涂就面了，而且约下周hr面了 很神奇。