📍面试公司：快手🕐面试时间：2025年9月💻面试岗位：游戏测试工程师❓面试问题：1面+2面（间隔20min，很多问题有点忘记了，当时只想起这些）1.慢查询2.tcp udp区别3.浅拷贝深拷贝4.小乔大招测试点5.登录界面测试点6.关系数据库和非关系数据库区别7.数据库怎么增加一列8.怎么避免死锁9.所有排序讲一下10.链表和数组的区别11.线程和进程12.python append13.怎么判断链表是否有环14.数据库左连接、右连接、内连接15.多人游戏用什么协议16.元组、字典、列表区别17.什么是多态18.什么是虚拟内存19.一道算法题hr面：1.实习或者项目遇到的困难2.要是测试...

去年秋招 + 今年春招面了一圈大厂，踩了无数坑，终于把国内主流互联网公司的 Java 面经全整理成了 Markdown 文档，前后耗时 3 个多月，一共攒了3133 道题，从基础八股、并发、数据库到现在热门的 AI Agent 相关问题都有覆盖。为了方便大家按公司针对性刷题，我按字节、阿里、百度、美团、华为、腾讯等公司分别建了文件，连 SHEIN、米哈游、Shopee 这些厂的也整理了，直接对着面经刷，效率比盲刷高太多了！给大家说下这份面经的细节：按公司分类整理：字节跳动 337 题、百度 281 题、快手 249 题… 每家的高频考点都单独归档，你面哪家就刷哪家的题，精准打击！覆盖全阶段考点：从 Java 基础（抽象类 / 接口区别、序列化、线程池）、数据库（隔离级别、缓存问题）到现在面试超爱问的 AI Agent、多智能体协作等新题都有，不只是过时的老八股。可直接复制的 Markdown 格式：每个公司的题目都整理成了独立的.md 文件，手机 / 电脑打开都方便，自己还能补充笔记、加答案，刷一道记一道，效率拉满。无套路纯干货：没有花里胡哨的排版，全是实打实的面试题，从基础岗到中高级岗的高频题都覆盖了，不管是校招还是社招都能用。秋招 / 春招 Java 岗面试，刷对题比刷 100 道偏题都有用，这份面经是我踩过坑后整理的 “避坑版” 题库，帮你少走弯路，直接对标大厂面试的真实考点。有需要的同学可以在评论区扣个 “刷题”，我看到会回复你；也可以说下你准备面哪家公司，我帮你说下这家的高频考点重点～祝大家都能拿到心仪的 offer！💪

挺好的面试体验，给面试官点一个大大的赞。但是因为面的比较早，会横向，希望能过吧1.自我介绍2.项目拷打3.AI相关的问题，涉及还挺全面的，包括工具，skills，记忆4.后端工程化的问题，主要是怎么去写接口，然后怎么排查问题-----求offer，求offer，求offer。

这个是5.11发的offer了,HR面和二面隔了10多天1. 自我介绍2. RAG 有没有解决大模型胡说八道的问题答案：RAG 只能缓解幻觉，不能彻底解决幻觉。RAG 的作用是把外部知识、业务文档、历史记录和实时数据作为上下文提供给模型，让模型减少依赖参数记忆。但如果召回错了、召回不全、chunk 切分不合理、rerank 排错、prompt 没约束好，模型仍然会基于错误证据生成错误答案。所以线上 RAG 不能只做“检索 + 拼 prompt + 生成”。必须做证据约束。比如在园区运维场景里，模型说“冷却塔水泵异常导致能耗升高”，就必须引用对应的告警记录、传感器曲线或历史工单。如果没有证据，只...

2026.5.12商业广告部门1.自我介绍2.js的数据类型？ 存储方式？ 有什么区别？3.闭包是什么？ 闭包泄漏是什么？4.作用域有哪些？什么是词法作用域？5.事件循环是什么？ 常见的微任务宏任务有哪些？6.原型和原型链是什么？原型链的顶级是什么？7.忘了8.http和https的区别？ https怎么加密的？9.常见的状态码有哪些？10.协商缓存是什么？11.304代表什么？12.常见的http请求方法有哪些？get和post请求的区别？13.key的作用以及底层原理？14.vue的响应式原理？15.vue2监听数组的原理？16.computed的实现原理？算法嵌套组件的最大深度

快四十分钟~1.实习项目拷打1，前面一个还好。问的挺深的，10min2.实习项目拷打2，这个是我太菜了，没了解全，一个优化接口 15min3.Agent框架的探讨 10min4.反问 5min---面试官人很好，给我项目两个点拷打的要寄了，也是自己没完全了解清楚，用AI写完，测完就结束了

1. 自我介绍2. 介绍你的实习项目，你做了哪些事情以及你的思考3. 升级之后 tool 调用准确率提升了多少，怎么衡量答案：tool 调用准确率不能只看模型有没有调用工具，而要看调用的工具是否正确、参数是否正确、调用顺序是否正确、结果是否被正确使用。我们会把一次工具调用拆成几个指标：工具选择准确率、参数填充准确率、无效调用率、重复调用率、最终任务成功率。比如升级前模型经常把“查询保单责任”和“查询历史理赔”混淆，或者漏传 policyId。后来通过工具分域、意图路由、参数 schema 校验和少量高质量样例，工具选择准确率从大概 82% 提升到 92% 左右，关键参数完整率从 88% 提升到...

总结一下这段时间遇到的云计算与虚拟化的面试内容，我也拿这些问题去和同事和前辈交流，发现确实是结合自己做过的业务和对于知识的理解来看回答的。所以说对于每个问题我都会抛砖引玉的写一下自己的理解，希望各位大佬可以多多补充。## 滴滴 云产品控制平台1. 如何处理熔断的逻辑（这个部分属于是云监控体系中的异常处理部分，回答的话第一点可以说一下异常发现的处理，第二点可以去结合VM Continer对于隔离的理解 然后腾讯云最近的这个CubeSandbox和传统的E2B沙箱也可以结合这部分来答）2. 对于项目的可视化，应该怎么去设计指标（个人感觉就是对于  宿主机-nodeexport  容器-cAdvisor  程序-metrics等级别，然后可以看一下Promethus的四类采集指标）3. 说一下你对ServiceMesh 的理解（VM 到Continer 到servicemash的技术演进 是解决什么问题的  数据平面与控制平面）4. 说一下Raft与Proxe算法的区别（我答得term  三角色  脑裂控制   Proxe）5. 常用的中间件有哪些## 蚂蚁集团 基础设施1. 说一下你对于位图这种结构在计算机应用中的理解（qcow2镜像  多路复用select处理网络IO 文件描述符集合）1. 说一下你对于布隆过滤器的理解（多哈希 感觉这样算是一种补充）2. 说一下你对于时间戳编码的思路  说一下你对于变长字符串编码的思路（Promethus中的XOR以及时间戳定差异增量处理的思路）3. 如果一个host的某个指标过于大量的话有什么处理方法（环形缓冲区  P50 P99这种指标）4. 异步重启的兜底逻辑5. 高并发场景  数据库内核优化## 快手 可视化平台1. 梳理一下业务开发的方法论1. 由点到面2. 技术调研2. 可观测的思路## 普联 虚拟化1. 一个虚拟机的启动过程（资源检查  ）2. 说一下你对于Continer和VM区别的理解3. 说一下你对于文件系统和块存储系统的理解4. 虚拟化中QEMU进程和宿主机OS或者硬件的交互说一下你的理解（先说一下Vmm的作用敏感指令捕获、影子页表  然后聊一下设备透传 DBT 半虚拟化  硬件辅助虚拟化等进阶场景）## 腾讯 浏览器业务 云业务1. 当CPU挂满 如何排查1. 当CPU未满但是丢包很多原因1. 一致性哈希如何解决单点过热问题1. 哈希碰撞和解决方式## 火山引擎 存储1. qcow2的数据大小2. nbd cbt的实现## 百度 分布式计算1. k8s相关的业务  机制2. raft脑裂 如何预防## Minimax 基础设施1. ceph rbd的机制2. k8s namespace  cgroup

自我介绍快手实习没有转正的原因是什么？快手实习期间整理手机厂商能力文档的具体流程是什么？反编译抖音源码后，如何将调研信息同步给团队？智能音量调节需求中，给算法团队提供的数据包含哪些内容？低端机性能测试的具体操作流程是什么？低端机卡顿率波动的原因是什么？对应的优化策略有哪些？不同类型的作品卡片对快手 APP 性能有影响吗？从后端开发转向客户端开发的原因是什么？如何看待大前端趋势下需要掌握多种技术栈的情况？循环链表和队列的区别是什么？循环链表和队列的适用场景分别是什么？海量数据场景下，优先选择队列还是循环链表？为什么？进程间的通信方式有哪些？各种进程通信方式中，性能最高的是哪种？最安全的是哪种？你...

最近按当前筛选整理了一波面经，这次挑了 10 篇相对值得复盘的内容，方便刷题和回看。1. 快手｜AI应用开发｜一面日期：2026-05-07关键词：快手面经难度：5 星标签：技术面 / 有代码题技术栈：Agent、Multi-Agent、MCP、Skill、Function Call、上下文工程、上下文压缩、短期记忆面经总结本场一面重点深挖AI Agent应用能力，尤其是多智能体、工具调用、上下文压缩与记忆架构设计，并考察了一道经典算法题。高频问题【Agent与工具调用】介绍多智能体范式以及各自优缺点。【Agent与工具调用】聊聊你对MCP的理解。【Agent与工具调用】是否了解Skill，介...

minimax AI infra（一面）p1腾讯qq浏览器（一二面）p2-p4百度 分布式计算（一面）p5滴滴 云产品控制台（一二面）p6快手 可视化平台（一面）p7蚂蚁集团 Agent基础设施（一二三面）p8-9

自我介绍请详细描述从输入 URL 到浏览器渲染页面的完整过程？HTTP 和 HTTPS 的区别是什么？HTTPS 的加密原理是什么？GET 和 POST 请求的区别是什么？GET 请求在参数传输上有什么限制？请介绍 TCP 的三次握手和四次挥手过程。为什么 TCP 需要三次握手，四次挥手为什么不能合并为三次？TCP 的流量控制和拥塞控制分别是什么？拥塞控制中的慢启动、拥塞避免、快重传、快恢复算法分别是怎样的？Java重写和重载的区别抽象类和接口的区别什么是泛型，泛型擦除是什么？请介绍 Java 类加载的完整流程？G1 垃圾回收器的回收流程？Java 中的强引用、软引用、弱引用、虚引用分别是什么...

ps：感觉 hr 都有点专业，气笑了1.介绍一下实习做的内容2.实习那个项目，业务指标是怎么衡量的3.这个项目怎么让用户了解指标有提效4.为什么选择实习的那家公司，选择做那个业务5.你的技术兴趣是偏哪个方向的6.既然你说你的方向是这个，为什么你还会去那家业务跟你兴趣没什么关系的公司7.最近有流程中的公司吗8.你为什么看中快手这个职位呢？9.有没有投递过跟你兴趣相关的那些公司的对应职位10.有了解过在你兴趣这方面做的非常出色的公司吗11.有没有给自己设置找到实习的 ddl，如果一直没找到，你会倾向于随便找一个类似的吗12.有没有读研打算13.大致什么时候能到岗，实习多久，几天？反问：后续流程大概要多久给我 of 吧，我会刷一辈子快手的

一、 实习经历深挖项目细节：在实习期间主要负责的两个任务是什么？（数据导入、质押理财模块开发）为什么要接入质押理财模块？之前的对账精度差（0.11几）的具体原因是什么？问题解决能力：你是如何定位对账差异来源的？（分析是质押缺失还是流水精度问题）如果重新做这个任务，你会如何优化流程？（强调沟通、先咨询前开发者或社区，避免盲目排查）技术理解：你觉得这个事情的复杂度在哪里？（强调分析差异来源的过程而非单纯的代码编写）你如何看待“实习期间做的全是 CRUD”这件事？进阶的关注点应该是什么？AI 工具应用：在实习过程中如何使用 AI 提效？（编写 API 测试脚本、前置脚本等）二、 毕业设计深挖（电商平台项目）面试官通过这个项目考察你对系统设计、数据真实性及新技术融合的态度。核心功能逻辑：AI 导购系统的具体流程是什么？（正则提取关键词 -> 数据库检索 -> 大模型润色文案）如果数据库检索不到商品，大模型起到了什么作用？（补充信息或生成推荐文案）工程化思考：简历上写的“商品检索时长优化”等数据是怎么来的？（面试官敏锐察觉到数据的真实性，确认为闭设预估值）如果你要设计一个真正的智能导购，你会怎么做？（考察 RAG、Agent、倒排索引等进阶方案）对前沿技术的态度：你对 OpenClaw / AI Agent 的理解是什么？三、 开放性与场景题：AI 辅助编程（Web Coding）这是本次面试的重头戏，反映了目前大厂对 AI 工具融合度的重视。AI 应用现状：你目前日常使用哪些 AI 工具？（Gemini、Perplexity、NotebookLM）你觉得传统搜索引擎（Google）和 AI 搜索的区别在哪？实操方法论：让你用 AI 从 0 到 1 起一个电商项目，你的任务拆分流程是怎样的？如何确保 AI 实现的需求满足预期？（提到了测试、验证环节）概念辨析：是否了解 Spec Coding 与 Vibe Coding 的区别？是否了解 KPC、Plan mode 等 AI 编程模式？

自我介绍MyNews项目是在快手实习期间的工作还是课余项目？该项目是基于开源项目改造的吗？具体做了哪些改造？MVP、MVC、MVVM 架构的区别是什么？MVP 架构相比 MVC 架构的优势是什么？为什么选择将项目重构为 MVP 架构？如何得出 Glide 图片加载性能提升 50% 的结论？Glide 除了缓存之外，还有哪些优化图片加载效率的方式？快手实习期间主要做了哪些工作？反编译抖音源码使用了什么工具？反编译过程中遇到了哪些混淆问题？如何解决？网络抓包时如何破解抖音的证书校验问题？抓包获取的抖音网络请求中，哪些信息对快手性能优化有帮助？抖音的 Protobuf 序列化格式相比 JSON 有什...

感觉自己好菜、面试很难，还是要多多练习1.聊聊项目2.秒杀券怎么实现3.分布式锁，可重入，锁超时4.消息队列的消息挤压问题5.可以设置很多consumer吗6.消息队列怎么保证消息可靠7.redis的数据类型8.大key怎么解决，有什么危害9.多线程的并发工具有哪些10.concurrenthashmap11.unsafe了解吗12.算法：全排列

继续来分享下最近的面经~1.实习拷打2.拷打项目:针对长短期记忆，讲讲你是如何设计记忆的提取、压缩与冲突更新机制的？如果检测到用户存在极端情绪，你的Agent如何在不中断对话流的前提下进行干预？3.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？6.余弦相似度和欧氏距离在衡量文本相似性时，各自的优缺点是什么？7.向量库检索出的Top-K结果，如果K值设置得过大，对后续的生成质量有哪些负面影响？8.为什么在初筛召回之后，还要加一个Rerank模型？能解决向量搜索哪些局限？9.如果文档发生了局部更新，如何通过增量索引来避免全量重新向量化？10.在RAG的生成阶段，如何在Prompt中设定边界条件来防止模型在没搜到内容时产生幻觉？11.调用大模型API时，为什么要使用asyncio异步编程？它在处理高并发请求时有何优势？

自我介绍快手实习中反编译抖音源码的目的是什么？反编译抖音源码后有什么具体成果？快手内部性能分析工具 KPO 的操作流程是什么？从 KPO 性能分析报告中发现了哪些问题？针对低端机卡顿率波动提出了哪些优化策略？安卓系统闲置时的 AOT 编译如何提升 APP 性能？Glide 的三级缓存机制是怎样的？如何实现 LRU 算法？安卓四大组件分别是什么？各自的作用是什么？onTouch 方法的事件类型有哪些？onTouch 方法返回 false 时，onClick 事件是否会触发？安卓如何保证延迟发送的消息在立即消息之后执行？HTTP 和 HTTPS 的区别是什么？HTTPS 的加密流程是怎样的？Arr...

感觉面完人都通透了，还是太菜了，下去沉淀一下1.选一段参与度较高的实习经历展开讲2.实习要解决的问题背景是什么3.讲一下怎么定位问题4.DPO 训练数据从哪里来5.DPO 训练数据具体构造形式是什么6.用了什么卡7.用了多少卡训练8.大概占多少显存9.介绍几个评测集是怎么使用的10.开放性问题：给你一个 RAG 系统、一个大语言模型，以及十万条新闻数据，怎么设计给用户推荐当地新闻11.整个链路怎么搭建12.RAG 系统怎么设计13.讲一下各种训练方法的特点，以及各自适用场景14.如果要用训练优化一个问题，会怎么进行方案选型15.算法题：分析时间复杂度