美团暑期实习AI后端开发面经分享

Q1：规划和执⾏要不要拆开两个模型？答案：视任务⽽定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执⾏）；单模型端到端更简单但易在⻓链路漂移。可混合：规划⽤强模型，执⾏层做确定性校验。Q2：如何避免 Agent 在⼯具调⽤间「迷失」？答案：明确 停⽌条件 与 最⼤步数维护 任务清单（todo） 与 当前⼦⽬标对每步输出要求 结构化（JSON）关键步骤 强制验证（单元测试式检查、⼆次 LLM 审核）Q3：结果冲突怎么整合？答案：优先级规则（权威源 > 时间新 > 多源⼀致）、让模型显式输出「冲突说明」、必要时触发⼈⼯。Q4：基于效⽤的 Agent 和基于⽬标...

个人背景：无实习，项目经验主要做KV Cache相关优化，诉求就是实习能学到硬核技术、对秋招助力最大化！Offer1：字节-推荐架构团队（抖音主站）✅工作内容主打LLM4Rec，做推荐大模型相关Infra，团队训推全栈涉及分配具体工作：推理场景超长上下文+超高QPS的KV Cache相关支持额外机会：后续感兴趣且有能力，可转推理框架方向，在vLLM里适配模型+优化，侧重算子和图优化✅优点大厂title亮眼；核心业务（抖音主站），有落地场景；算力充足❌缺点推荐大模型参数偏小；与大模型前沿技术不太沾边；偏向业务组，怕工作内容杂，担心学到的技术、积累的能力，和秋招纯大模型推理岗匹配度不高Offer2：蚂蚁-平台技术事业群-超级计算技术部✅工作内容偏中台，支持内部MasS平台，和业务距离较远基于SGLang做模型优化+部署，及时适配业界前沿模型；做PD分离相关工作，在Mooncake上优化开发核心分配任务：KV Cache优化，近期适配DeepSeek v4并做相关优化。✅优点技术更偏向业界大模型前沿，跟进最新技术速度快；组内有和SGLang合作开发的落地工作，技术栈纯Infra底层；组内管卡。❌缺点整体大厂title不如字节；怕实习生被画饼，没办法接触到真正核心的前沿技术工作。求有AI Infra实习/秋招经验的大佬们给点建议，到底该选哪个对秋招更有利啊🙏

1. 自我介绍2. 如果让你设计一个面向跨境售后纠纷的智能工单中台，整体架构怎么落可以把系统拆成接入层、规则与路由层、会话编排层、模型服务层、工单状态层、证据存储层和审计回放层。接入层处理 IM、邮件、表单和外部 API；规则层做租户隔离、语言识别、风险分级和触发策略；会话编排层维护案件上下文、节点执行历史和工具调用轨迹；模型服务层只负责生成和抽取，不直接持久化状态；状态层维护工单生命周期和人工接管点；证据层保存截图、订单记录、退款日志和模型引用片段；审计层负责回放每一步输入输出，便于定位误判和争议。真正难的点不在“能不能生成回复”，而在于把模型能力约束在可追踪、可回滚、可仲裁的业务流程里。3...

美团笔试爆0，三个志愿直接挂携程、网易、蚂蚁、bilibili笔试后没有后续消息快手因为到岗时间太晚二面挂滴滴、百度、小红书一直卡在简历筛选中阿里云agent开发一面挂；运维开发一面时问完工作内容后拒绝了，面试官最后还跟我说多学ai字节二面挂华为终端云通软还在泡池子后续还有个快手agent开发等待一面最后拿到了腾讯、京东、pdd的offer。为了轻松点拒了pdd和京东。pdd感觉业务很好，但是怕自己顶不住，最后选了方向不太好的tx，拒了pdd。拒pdd的时候让我想起了研究生选导师，当时为了躺，为了轻松选择了一个大家口中的“羊导”，结果进来后老登突然性格大变，每个人干不同的横向给他挣钱，每个月900的窝囊费。没有人能交流，因为大家的横向不同，方向也不同。浑浑噩噩干了两年，现在老登又催毕业小论文，完全没有指导，全靠自己嗯写。自以为选择了轻松，走起来却很沉重。希望这次的选择不要重蹈覆辙吧