字节 AI 应用岗：一次挂掉之后的「补洞笔记」 简历里是 法律咨询 RAG + 三工具 Agent demo（搜索、计算器、文档查询）。去之前我以为主战场是八股，结果整场几乎没碰 Transformer，全在问 效果凭什么信、数据怎么切、Agent 错了谁兜底、你对公司产品在用什么颗粒度思考。 下面这篇不按面试时间表写——那张表别人已经写烂了。我按 「如果重来，我会怎么准备」 的顺序，把当时没接住的题，补成一份可以对着改的参考答案；只在章节末尾用一两句带一下「当时卡在哪」，避免整篇读起来像流水账复盘。 0. 这类岗实际在筛什么（先立坐标系） 应用向 AI 岗（偏 Agent / RAG / 产...

目前只有wxg约过一面，手撕没撕出来就挂了

1. 自我介绍2. 详细讲一下你的实习经历，你具体负责哪些工作3. 限量出包是什么逻辑，5 万条候选线索只出 3 万条怎么判断高价值用户答案：限量出包本质是一个带约束的排序和筛选问题。不能简单按分数从高到低取前 3 万，因为业务里还有很多约束，比如销售每天承接能力、行业配额、城市覆盖、客户冷却期、黑名单、重复企业、近期已触达、历史投诉、企业规模、潜在金额等。我会先做硬过滤，再做评分排序，最后做配额调整。硬过滤去掉无权限、黑名单、近期已触达、关键信息缺失的线索；评分层综合行为分、画像分、意图分、转化概率分；配额层保证行业、区域和销售组之间不会极端倾斜。最终不是单纯 topN，而是 “topN +...