1.自我介绍。2.你在做这个系统的时候，遇到了哪些问题？你是怎么解决的？（后续主线）当时回答了三个方向：文档上传、解析、切分、向量化链路太长，所以用 RabbitMQ 异步解耦；单纯向量检索对关键词、制度条款、专有名词召回不好，所以引入关键词检索和 RRF 融合；Agent 工具调用、ReAct 执行流程、记忆控制这些工程设计。3. 为什么要用 RabbitMQ，你为什么要把文档上传接口和后续处理链路解耦？4. 你说纯向量检索对一些关键词效果不好，所以引入了 Elasticsearch / 关键词检索，并用 RRF 做融合。你为什么要引入关键词检索？纯向量检索有什么问题？5. 你怎么证明加了关键词检索之后效果变好了？有没有指标？6. 向量检索和关键词检索召回的结果怎么合并？7. 你说用了 RRF为什么不直接给语义检索和关键词检索设置权重，然后加权融合？8. RRF 里的 K 值是多少？为什么用 60？调过吗？9. 你文档切分是怎么做的？10. 你设置的 chunk size 是多少？overlap 是多少？过大过小有什么问题，参数调过吗，效果怎么验证。11. 为什么是 800 / 200？依据是什么？（我回答的这个）12. 你了解 Graph RAG / Tree RAG 这类方法吗？13. Graph RAG 适合解决什么问题？14. 图怎么构建？15. GraphRAG的难点是什么？16. 你这个 ReAct 工具调用具体是怎么实现的？17. 模型怎么知道调用哪个工具？后端怎么执行？18. ReAct 的核心思想是什么？举一个例子说明19. 你了解 MCP 吗？它主要解决什么问题？MCP 解决的是模型侧的问题，还是使用方的问题？权限/鉴权怎么做？20. Agent 的记忆机制是怎么设计的？长期记忆怎么设计？用户新开窗口之后还能记住吗？21.如果进一步改进记忆机制，你会怎么改？你的思路是什么？22.图神经网络项目难负样本怎么做的？23.写了一个论文相关的，主要负责什么?核心内容是什么? 知识库怎么增强摘要？24.手撕快排序，撕完问了这是递归的实现，有没有非递归实现的思路？

1. 自我介绍（开场白）2. 特征工程：介绍一下这个项目中，特征工程你是怎么做的？3. SHAP分析：SHAP值分析的原理是什么？4. 模型架构：讲一下你这个模型是如何构建的？具体讲一下它的架构。5. 对话系统：这个多轮对话系统，是包含问答式的，还是只说判别式的？具体是如何做的？6. 数据集：你这个数据集是怎样构建的？具体是什么形式？长什么样？（比如数据量、格式等）7. 业务场景与落地：能讲一下业务场景吗？识别出情绪后，又如何落实到应用上？（此处可以结合公司业务：比如客服情绪识别后的干预）8. 论文细节：讲一下这篇论文里，多关系掩码是如何实现的？为什么这么做？9. 销量预测（选型）：假设让你预测明天苹果的销量，特征工程你会怎么做？如果是基于Transformer来做，你会如何进行模型选型？10. Agent相关：讲一下Agent是什么？你平常用哪些Agent？你对Agent未来的看法是什么？11. 地域问题：你是哪里人？未来会选择待在福州吗？12. 反问环节（表现和业务）

小伙伴投稿一面在5.10 二面在5.15 HR面在5.17, 211本+韩硕1. 自我介绍答案：我主要做大模型应用、RAG、Agent 编排、向量检索、Prompt 工程、模型微调和后端工程化相关方向。之前做过一个 跨境商家合规审核与风险问答平台，面向国际电商平台里的商品合规、商家风控、客服质检和运营审核场景。这个系统接入了商品标题、商品详情、平台规则、违规案例、审核工单、商家申诉记录和多语言政策文档。用户可以问“这个商品为什么被判定为高风险”“某类商品在欧盟站点能不能上架”“这条申诉该怎么回复”，系统会先做 query 重写和意图识别，再通过混合检索召回规则和案例，最后由大模型生成带引用的审...

面试流程：自我介绍，项目拷打，手撕（聊的时间长就无了）面试官很好，开了视频C++八股：虚函数，vector扩容随便问了两个其他都是问项目内容，具体就不展开了问聊不了解pytorch学没学过编译原理过了两天hr面了

AI Infra / 数据岗考察:大模型训练 / 推理框架 + 算力调度 + 数据工程 + 性能优化。硬核工程岗。   1、工程 / 部署 / Infra  vLLM 的核心优化是什么  思路:PagedAttention(分页 KV cache) + Continuous batching(动态合批) + 量化 + prefix cache;吞吐比 HF 高数倍。   模型量化 / 蒸馏的区别  思路:量化: 降精度(FP16→INT8/INT4),结构不变;蒸馏: 教师→学生,结构变了;可叠加。   端侧部署的挑战  思路:算力/显存/电耗受限;要小模型(SLM 1-7B) + 量化 + ...

1. 自我介绍2. 什么是 RAG？它和普通大模型问答有什么区别？答案：RAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它不是让大模型完全依赖参数记忆回答问题，而是在生成答案前，先从外部知识库里检索相关资料，再把检索结果作为上下文交给大模型生成答案。普通大模型问答依赖模型训练时学到的知识，容易出现知识过期、幻觉、无法引用来源等问题。RAG 的优势是可以接入企业私有知识、实时文档和业务数据库，并且答案可以追溯到原始证据。它更适合企业内部知识问答、客服、运维、法规、医疗、金融等知识更新频繁且要求可追溯的场景。 def rag_pipeline(quer...

AI Coding 相关1. AI Coding 使用过哪些模型？2. DeepSeek 和 GPT 的区别？3. 你的 AI Coding 工作流是什么？4. 如何验证 AI 生成代码的正确性？5. 是否使用 AI 自动测试？C++ 基础指针与引用6.指针和引用的区别？7. 项目中什么时候使用引用？nullptr8. nullptr 和 NULL 的区别？野指针9. 什么是野指针？10. 野指针产生原因？11. 如何避免野指针？RAII12. 什么是 RAII？13. 项目中如何体现 RAII？14. 构造函数抛异常如何避免资源泄漏？智能指针15. shared_ptr 原理是什么？16. shared_ptr 的控制块(Control Block)包含什么？17. shared_ptr 如何管理引用计数？18. 什么是循环引用？19. weak_ptr 的作用是什么？20. weak_ptr 如何解决循环引用？21. weak_ptr::lock() 做了什么？22. lock() 后引用计数会增加吗？23. shared_ptr 是否线程安全？24. shared_ptr 在多线程下有哪些风险？25. 项目中是否使用 unique_ptr？26. unique_ptr 和 shared_ptr 区别？27. unique_ptr 为什么不能拷贝？28. unique_ptr 为什么能移动？移动语义29. std::move 本质是什么？30. std::move 是否真正移动对象？31. 为什么移动构造函数通常加 noexcept？32. 被 move 后的对象还能用吗？33. move 后对象处于什么状态？STLvector34. vector 底层结构是什么？35. vector 为什么随机访问快？36. vector 什么情况下扩容？37. vector 如何扩容？38. vector 扩容流程？39. vector 扩容时什么时候移动？40. vector 扩容时什么时候拷贝？41. 为什么 noexcept 会影响 vector 扩容？map42. map 底层数据结构？43. unordered_map 底层数据结构？44. map 和 unordered_map 区别？45. unordered_map 如何处理哈希冲突？46. 什么是拉链法？47. unordered_map 一定比 map 快吗？48. unordered_map 什么时候会退化？49. rehash 的代价是什么？面向对象50. 虚函数如何实现多态？51. 什么是动态绑定？52. 什么是虚函数表(vtable)？53. 什么是虚函数指针(vptr)？54. 为什么基类析构函数必须是虚函数？55. 基类析构函数不是虚函数会发生什么？56. 对象构造顺序是什么？57. 对象析构顺序是什么？58. 成员变量构造顺序是什么？59. 成员变量析构顺序是什么？60. 成员变量初始化顺序由什么决定？61. 构造函数中能否调用虚函数？62. 为什么构造函数中调用虚函数不会发生多态？多线程63. 项目中哪些模块使用了多线程？64. AI 视频问答为什么要使用多线程？65. Qt 中如何实现异步网络请求？66. Qt 信号槽跨线程通信原理？67. UI 为什么必须在主线程更新？68. 多线程如何保证线程安全？69. 多线程同时修改变量怎么办？70. 什么是临界区？71. 什么是数据竞争(Data Race)？72. std::mutex 如何使用？73. QMutex 如何使用？74. lock_guard 如何使用？75. unique_lock 如何使用？76. Qt 信号槽和 mutex 有什么区别？计算机网络77. TCP 三次握手过程？78. 为什么是三次握手？79. 两次握手为什么不行？80. TCP 如何保证可靠传输？81. TCP 序列号作用？82. TCP ACK 机制？83. TCP 重传机制？84. TCP 流量控制？85. TCP 拥塞控制？86. TCP 和 UDP 区别？HTTP87. HTTP 请求结构？88. HTTP 响应结构？89. 请求行包含什么？90. 请求头包含什么？91. 请求体包含什么？92. 状态行包含什么？93. 响应头包含什么？94. 响应体包含什么？95. 项目中的网络请求如何封装？算法题无重复字符的最长字串（LeetCode 3）----------------------------------------总结：整体面试体验非常好，具体拷打项目的部分没写在里面，但面试官整个过程中都是很温和，我有回答不上的问题面试官也在耐心的引导我。最后还给我的项目提出了未来的修改意见。

AI 应用 / Agent 岗考察:Agent 框架 + 工具调用 + Prompt 工程 + 实际应用落地。增长最快的方向。   1、Agent / 工具调用  介绍一下 Agent 的核心组件  思路:LLM(规划+推理) + Memory(短/长期) + Tools(外部能力) + Planner + Executor + Reflection;关键区别是「循环执行」而非一次调用。   ReAct 的执行流程是什么  思路:Thought → Action(选工具+参数) → Observation(工具结果) → Thought 循环,直到 Final Answer 或达步数上限。  ...

1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...

来还愿啦，接到京东的offer了，有点久远了鼠鼠努力回忆了一下，来发一下面经～一面：简历 + 项目拷打自我技术栈介绍，适合做ai infra哪个层面NCCL原理 + 实现机制RDMA的QP和MRRDMA的拥塞控制具体实现机制反问总结：面试官很厉害，问的都是一些系统层的原理还有分析，🈚️手撕八股二面+HR：简历拷打项目介绍 + 自我分析亮点项目拷打SHARP有什么缺点优点，对应各大厂商相应在网计算的产品分析讨论Megatron和deepspeed优劣，在设计并行策略应该注意哪些问题，最近新论文 + 场景题反问HR：常规HR问题

算法工程师岗考察:传统 ML 基础 + 推荐 / 搜索 / NLP / CV 业务方向 + 项目落地能力。   1、传统机器学习 / NLP  分词 / NER 的常见算法  思路:分词: HMM/CRF/BiLSTM-CRF/BERT;NER: 序列标注同上 + 大模型 ICL 直接抽取。   分类 / 回归的区别  思路:离散标签 vs 连续值;损失不同(交叉熵 vs MSE);评估指标不同(F1 vs MAE/MSE)。   过拟合的原因和解决  思路:模型容量过大/数据少/训太久;解决: 正则化 + Dropout + 早停 + 数据增强 + 简化模型。   特征工程在大模型时代还重要...

某大厂一面 1.langchain/langgraph 的区别2.langgraph 踩坑3.rag 原理，用的什么 embedding 模型，有没有对比其他方案4.上下文压缩方式，优劣5.fallback 是怎么做的6.agentstate 的作用是什么，为什么不使用全局变量7.介绍下整体的失败重试机制（node，rag 链，tools）手撕：二叉树蛇形遍历（2 分钟撕了，然后发现不会构造二叉树🥴，跑不了结果，感觉是完蛋了😭）

深圳技美智能 ai应用开发1.讲一下你的实习项目2.有什么难点亮点吗3.ai训练数据集是具体怎么选取的4.ai知识库用了啥向量数据库，为什么5.chunk你是怎么切分的6.召回策略呢7.你的提示词工程主要做了什么，怎么编写的8.token是什么9.mcp和skill有什么区别10.agent的本质是什么11.liunx怎么后台启动进程12.docker的运行命令

大模型算法岗考察:LLM 架构原理 + 训练对齐 + 推理优化 + 实际项目经验。八股密度最高的岗位之一。   1、大模型基础 / 架构  Transformer 的核心组件  思路:Self-Attention + FFN + LayerNorm + Residual + Positional Encoding;多头并行 + 残差归一化是关键。   自注意力机制详解  思路:Q/K/V 三个线性投影,attention=softmax(QK^T/√d)·V;O(n²) 复杂度,多头并行学不同 subspace。   RoPE 是什么?和绝对位置编码比有什么优势  思路:Rotary Posi...

简单记录一下，唯一有价值的一面因为设备问题没记录上只能靠回忆了投递是boss上找的内推码，投的是Lazada的交易部门4.22一面：面试官应该是隔壁组的ld，入职之后发现他就坐我后面一排[笑哭R]1.自我介绍2.磁盘如何存储信息3.进程与线程的区别4.Transformer的原理5.讲讲多注意力机制6.拷打实习的IM项目，简要介绍负责的部分和实现7.拷打实习的agent客服项目，介绍RAG的实现与回答生成过程8.拷打个人做的魔改Langraph项目，记忆系统的设计9.部门业务介绍与反问4.27二面：面试官可能是隔壁部门的主管或者是个高P的大领导，基本没问技术问题1.自我介绍2.本科成绩，主要做了什么3.本科参与的比赛，参与的实验室科研4.为什么没有保研，为什么没有继续从事科研5.本科期间实习做的工作6.为什么选择去留学7.研究生期间实习做的工作8.实习项目介绍+反问5.7hr面：狠狠领教了阿里hr面的恐怖之处，还好没挂我1.自我介绍2.为什么要去留学，本科成绩3.为什么选择这个岗位，未来的就业方向4.是哪里人5.遇到过的最大的挫折（当时说完hr说了一句哦原来你人生一直都比较顺利啊，瞬间联想到抗压能力差）6.学习工作中做过的最有成就的事7.反问

如果我是瑞幸的AI工程师面试官，我不会先问你Transformer，也不会让你手撕Attention。我会问一些侧重于业务相关的:1.为什么现在大家喝瑞幸的比较多?2.为什么有的人每天上午买拿铁，下午买美式？3.为什么某些用户一到周五就下单？4.如果给你100万会员数据，你会怎么提高复购率？

本文按公司归类 AI 方向高频考察问题 + 面试要点。   字节 常考方向:题量大、节奏快;项目深挖 + 八股 + 手撕几乎必考;Agent / AI Coding / 大模型方向最近一年高频。 高频面试题: 项目深挖 / 简历  介绍一下你做过的最有挑战的 AI 项目  思路:选 1 个有 AI 含量(不是套壳)、有指标、有踩坑的项目；按「业务背景→技术方案→关键难点→指标」4 段讲,控制 2-3 分钟。   这个项目的核心难点是什么  思路:抓「非确定性」难点(评估难/数据难/对齐难/部署难),不要泛泛说「工程量大」。   选型为什么是这个方案?对比过哪些  思路:至少列 2 个候选方案 ...

一、实习相关问题二、项目相关问题1. 你的agent架构选用langgraph或langchain的原因是什么？核心考虑了框架的哪些优点？2. 工具链的具体流程主要是哪些节点？3. 工具会不会有响应比较慢的情况？这种异常情况如何处理？4. 日志查询如果时间跨度大或关键词没包括，怎么处理？5. RAG里面的TOPK是什么样的？为什么是这个设置？6. TOP3、TOP5哪个效果好一点？好在哪里？7. 检索或找回阶段有没有做哪些优化或不同方案的比较？8. 混合检索设计了哪些检索模式？各自是怎么样的排序或占比？9. 评测主要是评测什么维度(除了语料相关性）？10. 语料库大概是怎样的一个大小？涉及哪些文档或格式？11. 如果再做一套企业级的类似技术栈项目，大概要花多久？模型训练项目12. 模型训练项目主要做什么内容？13. 奖励模型主要在哪个训练阶段用？14. PPO和GRPO是用在哪个阶段？15. 经过几个训练阶段各都有哪些提升？有没有效果的衡量指标？16. 对GQA、kvcache这些专业名词哪个印象比较深？可以稍微展开一下。 训练过程中都有用到这些技术吗？手撕:数组中满足其总和大于等于target的长度最小的子数组的长度

5月中旬笔试结束，邮件说5月29面试，昨天刚刚结束面试1、技术面主要问项目和一些ai的基础知识，我感觉都答得挺好的。算法题是力扣最高频元素的频数，用sort+滑动窗口做出来了，整个技术面环节感觉表现还行，基本问题都回答出来了，面试官人也挺好的，面了1h面完过了十分钟就发了主管面通知。2、主管面问了下项目，遇到的困难，是否了解华为这个企业，然后问我项目是一个人做得还是合作（我说项目是我一个人做的，但是我还说了在项目背后有很多和师兄同门探讨的情况），面试官还问老师在这中间起到了一个什么作用（我说老师比较忙，更多的是指出科研大方向，当遇到实再难以解决的问题会在组会和老师讨论），最后还问了下我的职业规划想在哪上班（我说主要还是想干ai相关的技术岗，希望是在自己擅长的岗位上工作，地域的话我都行没有要求，公司让我去哪儿我就去哪儿）。主管面结束后就六点多了，当时个人中心显示业务主管面试进行中，到了今天还是显示进行中。是因为今天周六了他们没推进了，还是说我主管面这里被挂掉了啊，不能是因为我说项目是我一个人做的就给我挂了吧