蔚来软开实习凉经 60min

日期：2026.3.26时长：约40mins面试官：算法工程师（也许是）面试岗位：算法工程师 实习岗工作地：上海内容1 面试官自我介绍2 （我）自我介绍（追问）实习时长？视实习jd而定，对于……，实习期大概在4-5个月3 简历询问a 学生期间的学习经历有什么？i  本科还是硕士？——》都介绍一下ii 本科期间学校对我们专业的培养目标是……，所以我们会学数学、化学、英语、机械、力学、……。在研究生期间，主要学习的课程可以自行选择，我的主修课程主要包括环境感知、智能导航、传感器、ai及深度学习、数学等课程，研究生的主要研究方向就是……。b 我看你的实习经历有一段……，当时就已经在做agent开发了吧？i  我认为严格意义上那不算agent，当时agent也没有现在这么火，更多的还是一个对内的ai助手demo开发，在功能上基本可用。b（追问）那你对ai了解多少，与llm和agent相关的这些。ii 对于llm还有agent的一些基本原理的概念性东西还是有一定程度了解，比如loRA微调、RLHF（是这个吗？其实我不太记得住这个词，可能当时说错了）、数据集、无监督学习、rag、a2a、skills、tool，Transformer等等。但是如果您问我我具体了解程度，那我只能说基本不了解。因为在我的预估和前期规划中，我的实习期从五月开始，这些东西的学习计划是放在四月的（确实是这样规划的）。那么在这之前，我主要做的是我的毕设和一些基础的学习，比如说强化学习的数学原理、经典强化学习算法、Attention、深度学习底层原理等等。之所以这样规划是因为这些东西是介于我毕设和预估中的实习涉及到的技术落地间的重要知识，需要有层次的递进学习，其次是我需要毕设做到一定程度导师才放实习，因此我的毕设进度大概是……。c 介绍一下你最了解的项目。i  我最了解的是我的毕设……。其中我这也是结合prompt engine做的，其中用于项目开发的skill也开源了。c（追问）你为什么选择PPO而不是其他的模型？你有做过对比吗？ii 我选PPO的原因很简单，首先是PPO相对来说非常成熟，其次是它对超参数不是那么敏感，这样我可以不太用耗费很多时间去调参，此外，ppo的代码实现相对来说也比较简洁，能有效减轻我的工作量，最重要的一点是ppo的鲁棒性相对较强，这个是我比较看中的，因为……。对于其他模型而言，比如TRPO，没记错的话TRPO的一大优点在于其理论上能保证策略性能的严格递增，这点也是很重要的，但是没记错的话，TRPO中有个温度系数还是什么超参数，这个超参数对最终的策略提升有重大影响，如果这个参数没调好，容易让策略走向在最优解附近大幅震荡或无法学习的两个极端，这其实是我不希望出现的。毕竟计算机计算精度始终有限，因此我选用一个算法的目的之一在于在有限的计算时间和计算资源的限制之内能最逼近和无线逼近最优解，因此尽管PPO在理论上的收敛性不如TRPO严谨，但是从实际表现来看ppo反而好不少，他就是我需要的算法。c（追问）你的项目不使用数据集来训练对吧？比如那种生成的数据是无法应用到你的项目中的？iii我的项目可以用数据集，强化学习有通过数据集预训练或者需要采样数据的算法，但是，但是，如果使用数据集，我怎么保证我采集到的数据比强化学习自己的策略更好呢？换句话说，这些数据集需要我再环境中自己去采集，人具有主观性，我不能保证我采集到的数据是没有偏差和人的主观偏好在其中，如果基于有偏差的数据进行训练，那么如何保证最终训练出来的策略是最优策略呢？当然我不是在否定这种方法，现在有很多基于数据集驱动的强化学习，若我采用了这种方法，我就需要考虑……系列问题，这会让我毕设的体量爆炸……。因此，在实际中应该结合现有条件进行选择，最适合的才是最好的。4 手撕一个字符串中包含空格和数字，要求不产生额外存储空间的情况，把所有的数字换到左边，同时字符串长度不变（空格放到末尾保留）。忘了这是力扣哪个题，用了双指针的思路，思路对的但是跑不过用例不知道为什么。5 反问a 算力资源？i （面试官所在的团队）有几张gpub ai coding额度资源？i 这些问问llm就行，实习生估计是没有的（我其实无所谓，常年开的有自己的coding账户）c 组织架构？或者团队的主要工作内容是？i （估计是组织架构不便透露）工作内容：i）基于cv的……检测ii）基于ai的……检测iii）基于ai llm的知识图谱构建（听到这眼前一亮）---------分界线---------大约面试结束30-40分钟左右接到hr电话电话内容总结：1 面试官那边总体满意2 jd是……（听到这觉得jd可以去）3 入职时间及实习期（算了一下，可以去）4 薪资5 手头offer确认（表明0 offer，给了就去，期间也会面其他公司，毕竟我知道这个实习岗没有hc，但打包票的是期间我不会跳走）

1. 说一下 volatile 的作用，它能保证线程安全吗？答：volatile 的核心作用是保证变量的可见性，并且在一定程度上禁止指令重排，但它不能保证复合操作的原子性，所以一般不能单独用来保证线程安全。可见性一个线程修改了 volatile 变量后，其他线程能够立刻看到最新值。它适合做状态标志位，比如“设备初始化完成”“接收到数据”等。禁止指令重排编译器和 CPU 在优化时可能会调整指令顺序。volatile 会在读写时加入内存屏障，避免关键步骤被乱序执行。不能保证原子性像 count++ 这种操作，本质上是“读-改-写”三步，不是原子操作。即使 count 是 volatile，多个线程...

一、自我介绍 / 岗位匹配 / 方向选择1.请做一下自我介绍。2.你之前主要投的是后台岗位，为什么后来转向客户端？3.你说自己和后台岗位匹配度不高，主要差在哪些方面？4.你对移动客户端开发岗位是怎么理解的？5.你为什么会考虑客户端 / SDK / AI 应用这些方向？二、实习项目整体理解：端侧特征平台做什么6.你在字节这段实习主要做了什么？7.你们这个 SDK 的定位是什么？是跨端的吗？8.你们这套东西更像 APM、数据采集，还是特征处理平台？9.你对这套业务在线上产品里的完整流程理解到什么程度？10.原始事件是怎么转成特征，并最终被业务方使用的？三、本地数据库 / SQL / 特征查询链路11.你们端上的数据是怎么存的？为什么用本地数据库？12.这个数据库用的是什么？它是普通数据库，还是有针对性能做特殊设计？13.你看到过哪些查询 / SQL 优化相关的内容？14.你做的 SQL 复用优化，本质上是在优化什么问题？四、设备特征缓存优化：设计、指标、并发问题15.你讲一下设备特征缓存优化这个需求的背景和方案。16.为什么会想到做 2s / 10s / 90s 这样的分层缓存？这些数值是怎么定的？17.你这个缓存是怎么检查过期、怎么更新的？18.这套缓存是你们第一次上线的吗？19.最终的优化收益是怎么测出来的？30%、Android 4.8%、iOS 2.5% 分别代表什么？20.你这里用到的智能指针和 concurrent hash map，线程安全和内存安全是怎么理解的？21.如果缓存瞬间失效，又来了很多并发请求，会不会出现类似缓存击穿的问题？你怎么处理？22.如果让你继续优化这套缓存，你觉得还能怎么做？五、特征 SQL 结果缓存 / 事件驱动失效 / TTL23.你说的特征 SQL 复用具体是怎么做的？24.所谓 SQL 签名化是什么意思，为什么要这么做？25.这个查询结果缓存的 key 和 value 分别是什么？26.查询结果缓存怎么判断是否还能复用？27.事件驱动失效机制具体是什么？为什么事件变了缓存就会失效？28.你这里有两个 TTL：设备特征缓存 TTL 和特征查询缓存 TTL，它们分别是怎么设计的？29.后期你提到不是直接删缓存，而是把最新结果插入缓存，这个思路具体是什么？30.这里有没有用队列或者别的方式维护事件变更？六、实习中的挑战 / 自动化测试 / MCP & Agent 生成用例31.这段实习里你遇到过最大的挑战是什么？32.这个需求是你一个人做的吗，还是 mentor 带着推进的？33.你提到自动化测试用例，这块具体做了什么？34.这些测试用例属于什么级别，是接口测试、单元测试，还是别的？35.你做的 MCP / Agent 自动补全测试用例，大致思路是什么？36.如果测试失败了，你们后续有没有自动分析、自动修复，还是主要人工处理？七、AI Coding：工具使用、代码占比、主要问题37.你现在 AI 用得多吗？平时会付费用哪些工具？38.你在项目里手写代码和 AI 生成代码的比例大概是多少？39.你主要用什么 AI coding 工具？40.你觉得 AI 写代码最大的优点和最大的问题分别是什么？41.如果 AI 生成的代码不符合你的预期，你一般怎么改进？八、多 Agent 项目：设计、评估、稳定性42.你这个 AI 投资分析系统整体是怎么设计的？43.多 Agent 的分工和整体执行流程是什么？44.你是一步步确认它生成的内容，还是一次性让它完成？45.你怎么判断一个 Agent 是否满足你的预期？46.Agent 和 Agent 之间通信的数据格式是谁定义的？47.多次运行的时候，Agent 之间输出的格式和结果能保持一致吗？48.如果模型不按你定义的格式输出，你会怎么优化？49.你这里 prompt、rule、skill 分别用在什么地方？九、上下文窗口 / 滑动窗口 / 记忆管理50.你高并发 AI 聊天系统里提到的“滑动窗口”具体是怎么做的？51.为什么要做这个滑动窗口？它解决了什么问题？52.这个窗口的 size、起点和终点是怎么定的？53.你怎么判断哪些上下文该保留，哪些该裁掉？54.你这个设计是不是严格来说不算真正的滑动窗口？55.如果让你重新设计这块上下文管理，你会怎么优化？十、C++ / 网络库 / 并发框架56.你这个高并发 AI 聊天系统里的网络库，是自己写的还是现成的？57.你给我讲一下这个网络框架的整体设计。58.epoll 在这里起到了什么作用？59.你的线程池是怎么设计的，为什么要动态扩容 / 缩容？60.你的网络库里，最核心的几个组件和职责分别是什么？十一、弱网排查 / 网络链路 / 协议优化61.如果用户反馈“很卡”，你怎么判断到底是不是弱网问题？62.如果线上只能看到网络日志，你会重点看哪些指标来排查？63.从输入网址到页面加载完成，整个网络链路里会经过哪些步骤？64.DNS、TCP 建连、资源下载这些环节分别可能出什么问题？65.如果 DNS 慢或者查不到，有什么优化思路？66.如果服务端响应慢或者 TCP 层有问题，你会怎么排查？67.对于弱网场景，有没有一些客户端侧的兜底优化手段？68.你了解哪些协议层面的优化，比如多路复用、QUIC 之类的吗？算法题：滑动窗口最大值面了一个半小时，面试官整体比较和蔼，不追问。转面客户端整体强度还是小了很多，不管了，现在能赚几年钱赚几年，有了AI以后哪个方向都是危机了，还是争取拿个好背书吧

更新：中午面的，晚上约下一轮（下一轮应该是hr面了）。求问牛油们是直接拒offer还是当做一个备选项？（本人是后端选手😅）1. 简单自我介绍一下2. 你了解计算机网络吗？什么是TCP和UDP？3. TCP和UDP的内部实现有什么区别？TCP如何保证可靠性？4. 如果希望让UDP也具备一定的可靠性，你会考虑怎么去优化？5. 你了解HTTP协议吗？HTTP协议都有哪几个版本？分别底层基于什么协议实现？6. HTTP 1.0和1.1的区别？长连接是怎么实现的？7. 常见的长连接实现方式有哪些？8. 如果有1亿用户都建立长连接不断开，对后台压力巨大，如何优化？（既要快和稳定，又要扛住压力）9. 长连接会对后台造成压力，如何设计后台机制来管理用户状态？10. 你知道什么是进程和线程吗？11. 进程间通常有几种通信的方法？12. 你知道线程的死锁是什么意思？死锁产生的条件和如何避免？13. 什么是分布式死锁？如何避免分布式死锁的产生和恢复？14. 代码审查题：分析一段Java实现的DataCache代码（使用SharedPreference）存在的问题，包括代码实现bug和代码设计问题15. 算法题：最大子序和团队是QQ浏览器，比一面难一些，但因为我简历写的全是后端的东西，就没有拷打项目。有些八股问太深了没答出，算法题秒了，代码审查的bug找的不是很全，感觉要考虑高并发问题吧？