今天整理了一下滴滴二面的整体流程和高频考察点，明显能感觉到二面和一面的区别还是很大的。一面更偏基础和项目经历的初步了解，二面则会继续深挖项目细节、工程思维、技术选型、问题定位能力，以及 C++ 核心知识和手撕代码能力。很多题目表面上不难，但如果项目细节不熟、底层原理说不清、回答不够结构化，就很容易卡住。这篇复盘主要把这次面试中出现的题目整理出来，方便后面继续针对性准备。题目介绍一下你参加过的竞赛，遇到的最大挑战是什么？竞赛项目中你是如何做技术选型的？为什么选这个方案而不是其他方案？你的项目中是如何保证代码质量和可维护性的？项目中遇到过内存泄漏或崩溃问题吗？你是怎么定位和解决的？C++ 虚函数的...

一直觉得自己的样貌介于“路人”和“不算很丑”之间，也没有捣鼓自己脸和穿搭的习惯，无论面试或路演还是旅游又或者现在的上班，除了见客户会比较正式，其他时间都收拾收拾像个人算了…最近一次也是最为震撼的一次关于容貌颜值的点评，是在去年的培训；HR老大严肃地说，因为业务岗位的特殊性，他们确实会筛选掉不好看的人，商务的形象非常重要…我大为震撼，环顾一圈看着那些高学历的俊男靓女，彻底红温几乎想要原地逃跑看来面试时展现出的能力确实能弥补颜值上的不足回到正题，所以客观来说，长得好看确实能在一定程度上提高面试的通过率，因为长相过于抽象大概率一开始就被筛掉了。但是美貌+任何牌都是王炸，只有单出是死局，能力不足再好看也没用哦～提升自己长相的加分点操作有很多，不一定纯吃天赋建模，大部分人保持干净卫生就已经能拿好及格分了嗯我大学时曾经想健身变成肌肉女来加分，于是美美爽吃一学期变成死肥宅后，发现工作后完全没时间健身撸铁…

我不上课，我要实习😡，这约面是真难啊，投了4天了就约到两个，一个笔试，一个面试

1. 自我介绍2. 介绍一下 AI 智能体的 workflow，以及 RAG 知识库是怎么设计的智能体 workflow 一般不是一次模型调用，而是多阶段任务流。我会把它拆成意图识别、任务规划、工具选择、检索增强、结果生成、校验和记忆更新几个阶段。比如运营人员问一个商品问题，系统先判断是选品分析、广告诊断、库存预警还是内容优化，再决定调用商品库、广告系统、向量知识库或规则引擎。RAG 知识库设计上会分离结构化数据和非结构化文档。结构化数据比如商品指标、广告 ROI、库存周转用 MySQL、ClickHouse 或 ES 查询；非结构化内容比如运营 SOP、平台规则、历史案例、达人脚本会做切分、...