美的 ai 面试面经

做政务系统的小厂1.自我介绍2.介绍一下你的智能体项目3.一个智能体分成几个部分，他的结构是什么4.你在这个项目中知识库文档是怎么做切分的，文档大小大概是多少5.你在项目中怎么设计AI思维链的6.你用的什么框架，langchain开发的7.langchain框架8.问一个sql问题，leftjoin和innerjoin有什么区别9.在你的项目中，rag是怎么做的，用到那些方法10.检索方法是什么，只用到向量检索吗，还是也用到了其他检索方法11.对上下文是怎么处理的12.怎么用Python进行爬取，会哪些反爬13.你在做文档切分的过程中，是怎么处理段落问题和长文本的因为是线下面试，问了好多，记不住了，面了一个小时，强度好高

字节 AI 应用岗：一次挂掉之后的「补洞笔记」 简历里是 法律咨询 RAG + 三工具 Agent demo（搜索、计算器、文档查询）。去之前我以为主战场是八股，结果整场几乎没碰 Transformer，全在问 效果凭什么信、数据怎么切、Agent 错了谁兜底、你对公司产品在用什么颗粒度思考。 下面这篇不按面试时间表写——那张表别人已经写烂了。我按 「如果重来，我会怎么准备」 的顺序，把当时没接住的题，补成一份可以对着改的参考答案；只在章节末尾用一两句带一下「当时卡在哪」，避免整篇读起来像流水账复盘。 0. 这类岗实际在筛什么（先立坐标系） 应用向 AI 岗（偏 Agent / RAG / 产...

最近影石的秋招真的让我心态反复横跳。本来已经打算放弃了，结果后面又被抬价，直接又燃起希望了😂整体面试体验还是挺不错的，面试官都很强，问得也很深入，尤其是对项目和底层原理的考察非常细。这里整理一下自己的面经，希望能帮到后面准备秋招的同学。一面：疯狂技术拷打（AI推理 + C++ + 体系结构）一面的面试官绝对是技术大牛，问题密度非常高，几乎没停过。AI推理 / MNN / 模型部署为什么选择 MNN 推理框架？调研过其他框架吗？模型从训练到端侧用 MNN 推理的完整流程是什么？int8 和 FP16 的性能提升明显吗？MNN 做了哪些优化？双线性插值的 4 个点权重怎么计算？仿射变换用了哪些 ...