AI Coding 技巧

面试前很害怕，生怕像网上说的那样会很严厉。但是比我想的好很多。而且这个岗位说是研发其实是数据构造。。。项目：1. 介绍第一个项目，重点是数据构造部分2. 我对数据的评估标准是什么，有进行人工评估吗？3. 我第一个项目中的难点是什么，如何解决的4. 我做prompt工程的经验是什么？遇到了哪些问题如何解决的5. 我平常是如何ai coding的 —— 这个问题蚂蚁也问过，看来现在都开始注重ai coding的水平了，我从claude、skill、multi-agent来答的，但是现在想想还是有些混乱，后续需要再准备一下回答6. 因为我提到了superpower，所以问我superpower具体的内容 —— 我表示不太知道，这似乎是一个必装的skill。。。（只能说回答也要谨慎，不知道的概念就不要随便回答，主动掌握面试节奏）八股：python的装饰器是什么 —— 这个基础知识是真的不太知道，全忘光了。。。手撕：比n大的最小数 —— 当时脑子就懵了，虽然hot 100做了一两轮，但是对着面试官手撕就会大脑一片空白，当时就想退出了，但还是硬着头皮写。好在问题不难，我也没用啥算法，就是将n的第一位和a的最小位进行比较分别讨论。给的网站不是运行的那种，只是写个大概。后来上网搜了一下答案，好像自己写对了。反问：这个岗位对员工的要求是什么，认为我有哪些不足可以改进他说主要为seed提供数据的，认为我的基础知识和算法还需要多加练习（比如python解释器我就没有答出来）感受：对面试官的：感觉他挺累的。。。周六调休上班太累了吧。而且可能岗位主要是做数据的吧，所以提问的方向都是数据构造，项目问题比较简单，也没有很深挖。猜测二面就要开始鞭尸了。对整个流程：我以为我投的是研发岗位，明明jd不是说后训练吗？怎么变成搞数据了。好吧，但是我的八股还是没有答出来。我是真的不知道哇，基础知识太差了。还有手撕，好在问题不难，也就当练习了一次手撕吧。京东、蚂蚁都没有手撕，点名表扬。后续：本来以为会挂的，毕竟都说我基础知识弱了，但是三小时后就立刻打电话通知下周一二面。。。玄学

1. 自我介绍2. RAG 怎么优化，评估时你会看哪些指标RAG 的优化一般不能只盯着生成端，很多问题其实出在检索阶段。常见优化思路包括 query rewrite、chunk 切分策略调整、混合召回、重排序、上下文压缩和引用约束。比如文档切得太碎，召回会有信息断裂；切得太长，又容易把无关信息一起带进来，生成端会受污染。真正线上效果好的 RAG，通常不是“某个 embedding 更强”，而是检索、排序、上下文组织和回答约束配合得比较好。评估时我一般拆成两层。第一层看检索，比如 Recall@k、MRR、HitRate，看相关证据能不能被捞上来；第二层看生成，比如答案正确率、faithfuln...

美团会考察AI Coding。在今天参加美团笔试的过程中，收集了信息，是否愿意考察AI Coding的。备考建议：从 “被动用 AI” 到 “主动控 AI”选 1-2 个主流工具深耕：优先 Cursor、Claude Code（处理复杂项目能力强）或国产的 Trae（免费且中文友好），用它们完成完整小项目（比如 RAG 知识库、简单 Agent 工具）。积累实战经验：至少独立完成 1 个 AI 相关小项目，能说清需求、实现过程和结果，应对 “描述你开发的 AI 功能” 这类问题。针对性刷题：除了 LeetCode，额外练习 AI 组件手写题，适配大厂新增考点。AI Coding 不是让 AI 替你写代码，而是考察你能否让 AI 成为高效助手。现在越来越多公司加入考察队列，提前掌握这种协作能力，才能在面试中更有竞争力。

自我介绍项目介绍针对项目细节展开追问，我的项目中涉及 RAG，因此这部分问得比较多，主要会围绕整体方案、检索流程、效果优化，以及为什么这样设计来展开Java 基础，主要是结合一些常见八股去问，看看基础是否扎实Synchronized 锁升级机制，一般会从对象头、偏向锁、轻量级锁、重量级锁这些点往下问，追问锁膨胀过程和不同场景下的性能差异Java 集合框架，通常会从常见集合类的特点、底层数据结构、适用场景开始问，再延伸到 ArrayList、LinkedList、HashMap、ConcurrentHashMap 等具体实现Java 垃圾回收机制，这一块问得比较系统，通常会先问怎么判断对象是否存...