面试答得太好被怀疑AI作弊

淘天搜推团队的AI应用算法工程师实习岗，整整115分钟，是我面试以来时间最长的一场。整体分为五个环节：① 自我介绍（面试官也同步介绍了搜推团队的业务）② 大模型基础知识问答（30分钟）③ 项目深挖（40分钟）④ AI Coding笔试（30分钟）⑤ 反问环节（10分钟）技术问答和项目深挖尤其硬核，面试官会顺着你说的方向一直往下追问。提问：大模型基础：- Attention的QKV怎么计算，WQ/WK/WV的形状- MOE的路由机制，稀疏vs稠密的区别- KV Cache在prefill和decoding阶段的读写差异- 大模型幻觉怎么规避- 微调后出现复读机，怎么排查- SFT够用 vs 必须上DPO/RL，怎么判断- DPO损失函数的潜在问题- KL散度在模型对齐里的作用还问到了Google的TurboQuant KV Cache，这块我确实不太了解，如实说了🫠深挖了项目，简历上的两个项目都被追问得很细。建议：简历上写的每一个点都可能被问到底层逻辑，提前想清楚“为什么这么做”。AI Coding笔试第一次遇到这种形式——不是自己闷头写代码，而是和AI协作完成一道设计题。面试官说“过程比结果更重要”，让我松了一口气。我的做法是：先让AI输出整体技术方案，确认思路后，再开多个会话并行处理各模块。笔试环境有点卡，但稳住心态、把思路讲清楚就好。整体感受：115分钟对我来说确实是新纪录，中途压力不小。但面试官整体很专业，不刁难，追问都是顺着你的思路往下挖。发个面经攒攒人品，希望能过🙏

一、技术岗位（含 AI 相关方向）1. AI 应用开发 / 后端开发金山云考察重点：AI 工具在实际项目中的应用（代码生成、优化迭代）初创公司（上海 / 杭州）考察重点：AI 生成代码的流程设计、Prompt 编写、测试兜底美团考察重点：模型幻觉处理、RAG 优化、多模型对比阿里（通义灵码团队）考察重点：需求拆分、AI 代码架构设计腾讯（代码智能算法岗）考察重点：微调经验、AI 辅助编程实践附加技术栈：Redis / Kafka 消息队列、MySQL 调优、分布式系统（跨主机通信）2. 前端开发京东零售考察重点：AI 辅助开发（Vue/React + 页面生成、组件优化）蔚灵科技考察重点：框架通信机制、CSS 布局（Flex）、异步处理（Promise）3. 测试 / 测开OPPO考察重点：AI 生成测试用例的覆盖率优化、结果准确性验证蚂蚁（大模型评测岗）考察重点：RAG 检索、FunctionCall、Playwright MCP、WebSocket/SSE 区别二、非技术岗位AI 产品经理（多家公司）考察重点：SQL / Python 脚本的 AI 生成、自动化提效场景、用伪代码与研发对齐需求三、考察趋势速览实战派公司（允许面试中使用 AI 工具）字节跳动、美团研发派公司（聚焦 AI 编程工具本身开发）阿里（通义灵码）、腾讯（代码智能算法）、开放传神科技四、高频考察问题（供备考参考）实际项目中如何结合 AI Coding 进行优化？如何设计 AI 生成代码的流程与兜底方案？如何处理模型幻觉？如何优化 RAG 分块？有无微调经验？如何对比多个模型的效果？五、备考建议技术岗重点准备真实项目案例，突出 AI 工具带来的优化点以及解决的问题非技术岗突出 AI 提效场景，例如用 AI 生成 SQL / Python 脚本避坑提示：避免只回答“我会用 AI”，要展示问题拆解能力和结果验证方法。

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

面试时长半小时，没有手撕代码环节，大部分时间在深挖项目经历，穿插少量八股文问题。1. AI coding / 工具使用有没有用过 Cursor 或其他 AI coding 工具不同 AI coding 工具之间的设计差异你怎么看多 task 执行这种设计是否合理AI 生成代码的主要问题是什么2. 项目深挖 - 系统设计系统里的缓存（比如 Redis）一般怎么使用如果要支持高并发，你会怎么设计服务一般是怎么部署的你怎么理解“可扩展”3. AI 项目（RAG 方向）效果提升是怎么评估的，有没有 baseline 对比技术选型是怎么考虑的怎么判断效果好不好，有没有遇到过 bad case4. Agent / AI 系统理解对 MCP 和 tool calling 有没有了解skills 为什么能减少 token 消耗5. 实习经历为什么既做产品又做技术这段经历最大的收获是什么6. AI 行业认知有没有了解过 AI coding 类的产品7. 项目难点讲一个你遇到的技术难点有没有用 AI 工具解决过实际问题