虽然AI工具越来越普及，但大部分公司在面试中仍然会问“八股文”问题，如基础知识、常见原理和经典题型。这不仅是筛选基本功的方式，也是判断候选人是否真正理解技术的手段。AI可以辅助准备，但无法替代扎实的知识体系，因此系统复习八股文依然很有必要。

去年秋招的时候面过几场AI面，大部分是在牛客上面试的，有的是自研的平台上面试。首先是AI会说明面试的流程，然后开始自我介绍，AI会根据自我介绍的内容选择它感兴趣的部分提问，根据你的回答进行追问，就和真人一样。之前面的AI面，基本都会问一些八股或者开发的场景问题，根据你的回答，AI会深挖拷打。和真人面试官相比，AI 面的提问逻辑更 “精准”——完全围绕你简历和自我介绍里的关键词展开，不会有闲聊式的铺垫，一旦抓到你提到的技术点，就会顺着往下刨根问底，直到把你问到知识盲区才会罢休。比如你自我介绍里提了一句 “参与过 Spring Boot 项目开发”，AI 大概率会先问 “Spring Boot 的自动配置原理是什么”，你答完之后，紧接着就是追问 “@EnableAutoConfiguration 注解的作用是什么？它和 @ComponentScan 的区别是什么？”；如果你提到 “用 Redis 做过缓存优化”，那 “缓存穿透、缓存击穿、缓存雪崩的区别和解决方案”“Redis 分布式锁的实现方式”“Redisson 和自研分布式锁的优劣对比” 这些问题会连环砸过来，一个都跑不掉。除了技术八股，场景化问题也是 AI 面的高频考点，而且题目都很贴近实际开发。比如 “如果你的接口出现了超时问题，你会怎么排查？”“MySQL 慢查询的优化步骤是什么？从索引、SQL 语句、配置三个方面说”“高并发场景下如何保证接口的幂等性？”，这些问题不是靠死记硬背就能答好的，需要你结合实际项目经验梳理出清晰的解决思路。还有一个很有意思的点，AI 面会特别关注你提到的项目细节。比如你说 “负责用户模块的开发”，它会问 “用户模块的表结构是怎么设计的？为什么这么设计？”“用户登录的鉴权流程是什么？有没有考虑过安全问题？”；如果你说 “做过性能优化”，它会追着问 “优化前的性能指标是什么？优化后提升了多少？用了什么工具做的性能测试？”，全程逻辑严密，不会放过任何一个模糊的表述。甚至有些 AI 面还会加入代码题环节，直接在平台上给出一道算法题或编程题，比如 “写一个快速排序算法”“用 Java 实现一个简单的线程池”，要求你在规定时间内完成并运行通过，和线下笔试的代码题难度差不多。总的来说，AI 面的问题没有什么 “套路”，核心就是 “你写了什么，它就问什么”。它不会像真人面试官那样可能因为时间紧张跳过某些问题，而是会把你简历里的每一个技术点都挖透，以此检验你的知识掌握程度和项目真实性。所以准备 AI 面的关键，就是把自己写在简历上的每一个技术点、每一个项目细节都梳理清楚，确保问到任何相关问题都能对答如流。

岗位：武汉 嵌入式开发timeline：8.30 测评，10.9 一面，10.11 二面一面技术：自我介绍讲下实习经历平常怎么debug项目中有没有遇到什么问题，怎么解决的介绍一下学校经历了解数据结构吗？基本的数据结构？查找搜索效率？有什么方法可以提高效率？具体围绕数据结构问了很多RTOS，多任务操作反问：做存储固件的，具体的进来再分二面HR：北京线下，地点在北京研发中心，具体内容就是唠家常，一些HR面的基本问题销售工程师工作体验，总结累但成长很多。1.大家最先关注的就是HIK的工作压力，只能说体面厂没有辜负盛名！名不虚传！我来这边是销售岗，基本上每天都要差不多11点下班。因为销售不仅需要对接...

刚实习了两周，被导员一通电话打过来可能会给处分学校这里坚决是不允许大二大三实习，只有大四后半学期才允许😂不知道被谁举报的，总之回来领导跟我说了一大堆，说在学校呆着能学到知识以外的东西。然后一门课也是被重修了，感觉好不容易实个习，一波三折的。最后还是选择了不回头，总觉得，人这一生就这一次，要尽力去活才算圆满。