腾讯实习 ai应用开发后端面经分享

攒人品中，祝大家都能拿到满意的Offer！1. Agent项目，RAG会遇到什么问题，检索结果按照什么规则排序的2. 准确率如何评估的，有没有了解业界比较通用的方法3. 后端项目相关4. MySQL的瓶颈是什么，索引是用的什么数据结构，优点是什么5. Redis和MySQL的数据一致性怎么保证，分布式锁加锁的时机是什么6. Redis服务重启之后，数据会丢吗，持久化方法7. Redis怎么做高可用，主节点从节点切换时会不会丢数据，Redis锁怎么应对这种问题，可能会出现怎样的不一致8. Redis怎么防止缓存击穿9. 进程和线程的区别，进程间IPC通信方式10. 虚拟内存，为什么这么设计11. select和epoll的区别12. TCP和UDP的区别，UDP为什么快，使用场景是什么，能不能做成可靠的13. 一个浏览器访问一个 URL，从输入地址一直到页面返回，中间经历了哪些的网络过程14. HTTPS为什么安全，中间者有没有可能截获密钥15. 10亿个数中找出最大的10个数，用什么算法16. 判断字符串括号是否匹配用什么数据结构17. 实现一个LRU，用什么数据结构18. MySQL的事务隔离级别，读已提交和可重复读的区别，MySQL默认隔离级别手撕：给定一个矩阵，从其中任意一个节点出发，求递增序列最大长度，时间复杂度

注意到这篇文章的你肯定也有这个问题：不知道在简历上怎么写AI能力，面试官才觉得好、才感兴趣。这篇文章不讲概念，只讲 “写法”。一、首先：AI永远不是主语这是我看过大量简历后，一个非常确定的判断。如果你简历里的一条经历，是以“AI”开头的，比如：❌ “使用ChatGPT完成了市场分析报告”这条经历，大概率是要被HR忽略的。为什么？因为在招聘逻辑里，HR想看到的从来不是 “你会用什么工具”，而是 “你完成了什么事”。工具只是手段，不是目的。AI再强大，它也只是你手里的工具——HR招的是会用工具解决问题的人，而不是工具的“操作员”。所以：AI永远只能是方式，不能是主语。主语，应该是你，以及你做的事。...

攒人品中，祝大家都能拿到满意的Offer！1. 实习拷打2. 项目拷打3. 学校是否有发 paper 或实践课程的要求？4. 前端、后端、Agent 开发三者的职能差异？自己擅长哪方面？5. 性能优化的核心手段？如何发现定位瓶颈？6. 如果二级评论内容复杂（图文/视频），下挂在主表不合适怎么办？7. 海量评论（2万+）的通用优化方案？8. AI 商家运营助手 Agent 架构介绍？9. 为什么选 LangChain 而不是 Spring AI/Java？10. LangChain vs LangGraph 差异？11. 如果重新设计架构，结合最新 Agent 演进，会怎么做？12. 工具层如何封装？职责如何划分？调度机制？13. 订单异常（物流/支付/库存）三种情况如何编排节点？14. Claude Code/Codex 如何处理订单异常问题？15. LangGraph 编排 vs Claude Code/OpenClaw 模式差异？16. 从效率、架构演进性、准确性三方面对比两种架构？17. Harness Engineering 有没有了解？18. 最近业界火的方向/框架/项目？19. Hermes 的 RL 是在本地还是云端？具体展开？20. Hermes 的自进化用的是 memory/skills 还是模型自进化？21. GRPO vs DPO 差异？选哪种用于客服项目？22. 用户提交图文评论的全链路流程？哪些节点可优化？23. 网络层面的优化？24. 现在用的 AI 工具有哪些？25. Cursor 用什么模式开发？26. 每月/周消耗多少 tokens？

本地商业1. 先做一下实习时候的业务介绍，有什么提升2. AI Coding 功能从能演示到能交付，中间差的到底是什么差的不是模型会不会写代码，而是系统有没有交付闭环。演示阶段只要能在几个样例上生成看起来对的 patch 就行，但生产可交付要求它能处理不完整需求、脏仓库、编译失败、依赖缺失、测试不稳定和回滚策略。真正落地时必须加任务约束、静态检查、sandbox、单测回归、补丁审计和失败分级，否则所谓“生成功能”只是把风险后移给人。AI Coding 一旦进入真实研发流，评价标准就从“会不会写”变成“出了错能不能收住”。 def deliverable_check(repo, patch): ...