美团AI产品面经

据说保人品自我介绍，并讲解大模型在学习生活中的应用介绍数组和链表的区别追问在聊天系统中，消息频繁追加，同时需要快速查询，你会采用什么数据结构我回答数组，追问如果消息追加频繁，数组频繁扩容，你会考虑怎么优化，或者是转回使用链表吗询问泛型和泛型擦除的实现原理追问运行时如何获取泛型的信息场景题，设计一个项目管理系统的分表，主要有项目、任务、人员三项内容场景题，问rag如何进行文本处理，实现切割、去重、增量更新、权限标签等问我在一次资源有限、时间紧迫的场景下如何完成任务唉感觉答得一坨

一个AI虚拟女面试官，语音面试，也会显示文字在中间偏左上位置，相当于读一遍，读完之后每个问题16s思考时间，时间结束或自己点击开始录制回答，回答时间5min之内，整体五十分钟左右，几乎每个问题都追问两个问题。美团ai面经1，自我介绍，你如何使用大模型1.1，举个具体的例子说明一下2， tcp 和 udp 的区别以及应用场景。2.1，设计一个游戏网络通信协议用UDP 还是 TCP，为什么？2.2，如何处理丢包和乱序的问题？3， JMM 的主要作用及它是如何影响线程之间的通信3.1，Java 内存模型的三大特性，volatile 关键字，局限性3.2，多个线程对变量进行累加操作，会出现什么问题4，数据库的事务隔离级别4.1，锁机制、 MVCC 等具体说明下4.2，可重复读可能会遇到哪些问题5，设计一个项目管理系统，项目、任务、成员的关系及据库表结构5.1，如何确保任务的创建人一定是项目成员5.2，项目成员的权限分级怎么实现6，忘记了……一个场景题6.1， Redis 的性能出现瓶颈怎么优化6.2，如何保证多个应用实例之间一致性7，不熟悉的技术领域，你会采取哪些步骤来解决7.1，专业的术语和概念短时间无法理解，你会如何调整你的策略？7.2，现有方案效果不如预期，如何评估继续使用还是转向其他解决路径

依旧忘了录音, 记录下有印象的问题Q: 项目中说到了从claude ADK迁移到Gemini API. 为什么.Q: 如果有个无限长上下文的模型, 是否可以把所有信息都放到上下文?A: 不能, 信息可能会有噪音, 影响模型判断.Q: 场景: 一个有很多内容的需求文档, 是否可以把整个文档放到上下文中, 让模型直接实现?A: 内容太多,模型的注意力可能兼顾不了, 需要分模块输入. (猜的)Q: 如果分模块输入, agent是否会对整个需求没有认知,导致做出来的成果不符合预期?A: 可以参考人的协作. 每个agent工作在独立的worktree上, 定义一个约束, 每个模块期望的效果, 接口等.Q: 用过哪些code agent?A: cursor, claude等Q: 你觉得claude code和cursor分别适合什么样的任务?A: 我觉得没啥区别. 效果都可以.主要用cursor因为便宜Q: cursor用过什么skill觉得好用?A: superpowers. 有brainstorming, git等 前者可以帮助理清需求, 后者是教git的最佳实践.可以每个任务对应一个worktree, 代码追溯更方便, 适合多agent协作.补充: (skill creator. 这个没说,但是也挺好用的. 需要干重复的任务可以直接让cursor写个skill)Q: 了解过spec-drivening 的code agent吗?A: 用过kilo 的spec模式. 觉得机制有点重 需求文档+实现文档, 不如brainstorm + plan mode.Q: 了解上下文压缩机制吗?A: 看过gemini CLI的源码, 他的实现是保留最近30%对话, 压缩另外70%的内容.用LLM生成结构化摘要Q: 为什么压缩前70%? 最开始的几轮对话明确需求不是很重要吗?A: 生产摘要的提示词明确要求模型填写需求内容.Q: 你觉得以后的软件工程会变成什么样?A: 我觉得以后不用人不用写代码, 而是给agent 说明需求.并校验agent生成的代码.补充: 这个问题我觉得答得不太好, 软件工程不只是写代码, 也包含测试, 部署, 维护等操作.补充: 现在想想可以是AI 驱动的软件工程, 代码AI写, 测试AI自动测, 部署维护也是AI来做.Q: 玩过Openclaw吗? 了解其的记忆机制吗?A: 了解, 主要有两阶段: memory_search: 用RAG检索memory文件, 返回topN 相关的内容以及文件路径以及行数. agent可以选择调用memory_get:一个类似read的tool读取memory文件的内容.Q: 如果检索返回了很多相关的内容,如何选择最相关的?A: 向量相似度比较, 选择最相近的n个Q: 了解embeding吗?A: 好像是语义检索计算相似度的模型. 这个不太了解Q: 用大模型来判断哪些内容最相关,是否可行?A: 挺有意思的.Q: 实际上没人这么做, 你觉得为什么?A: 返回的内容可能很多, 超过模型最大上下文,模型判断不好.补充: (可以加上速度, 成本的因素)Q: OpenClaw有个pi-coding-agent, 与你的项目有什么区别?A: 不太了解pi.Q: 对候选人的期望:A: 代码能力不要求,因为100% ai生成代码A: 了解底层原理,需要有较强的学习能力, 对前沿的产品能快速复现.Q: 反问环节:Q: 你觉得agent开发最重要的是什么?A: 评测机制.补充: 无手撕.这次面试体感上感觉还可以, 但是仔细复盘发现有不少问题.主要是RAG的机制不熟,rerank不知道.还有对大模型的底层原理不了解.这次面的问题都比较开放, 所以我把我的回答也写了上去, 各位如果有不同意见的留言, 一块讨论.

美团的AI面没有要做自我介绍，直切主题，有问答题也有选择题，大概有以下这些问题：1.你使用过哪些 AI 基座模型？2.你为 AI 基座模型付过费吗？（选择是或否）3.你为哪些 AI 基座模型付过费，为什么？4.你使用过Claude code、Cursor 类似的 AI 编程工具吗？（选择）5.你使用 Claude code 、Cursor 等 AI 编程工具的使用场景和使用情况如何？6.你是否有为 Claude Code 、Cursor 等 AI 编程工具付费？（选择）7.你调用过 AI 底座模型的 API 吗？（选择是或否）8.你曾调用过哪个最好用的模型的 API ?9.你过去一年读过 AI 论文／技术报告吗？（选择）10.过去一年，你读过哪篇 AI 论文／技术报告两次以上，对你工作的帮助是什么？11.你是否有独立开发过 AI 产品／功能？（选择是）12.请你用三／四句话概括这个 AI 产品／功能的用户需求以及解决情况。13．如果有，可以提供你所做的 AI 产品／功能的链接。