腾讯hr面

TimeLine：2025.11.25 一面（线下面） 2025.11.26 技术总监面（线下面）--------------------------------------------------------------一面（HR+技术面，30min）：技术面： 1.自我介绍 2.问实习经历，主要做了什么 3.会不会写SQL，掌握的测试工具有哪些 4.工作中遇到最大的困难是什么 5.会写自动化脚本吗 6.测试用例是自己独立写的，还是只是执行测试用例 7.知道怎么进行大模型测试吗HR面： 1.自我介绍 2.校园经历 3.人生遇到最大的挫折 4.目前住哪里 5.期望薪资 6.反问介绍公司业务背景...

1.问了成绩2.问了离职原因3.让我讲了我实习做的事情，陈述句讲了整个流程估计面试官听了也头大4.问了我简历上写了agent的项目，就问我现在运用到了什么层次?我懵了，我讲的项目亮点5.问了AI编程相关的看法6.工作中是否用到ai，是偶尔用还是全程7.我的不足和短板?我靠还没十几分钟就以为结束了8.换了个面试官，问agent项目的流式输出9.问了我对流式输出的时候如果要对llm的输出进行再加工怎么处理，我讲的是用string buffer进行拼接保持10.基础问题，Springboot的优势aop，ioc,自动装配11，这里问了创建一个Springboot项目?逆天问题，我直接说的用idea12问了springMVC，我说我没用过mvc，和前端直接用的controller进行对接的13controller的注解14文件的io流15mybaitis的查询标签，预占符

核心定义ReAct 是能让大模型“边思考、边行动”的推理框架，让 LLM 像人类一样通过多轮交互解决复杂问题Thought-Action-Observation 运转逻辑ReAct 循环中有三大要点：Thought：模型分析当前的局面，大任务拆解成子任务，决定当前最需要做什么Action：根据前面的思考结果，生成具体的操作指令Observation：接收真实环境对操作的反馈结果这就有了一个闭环：想清楚再做，做完看反馈，基于新反馈接着想ReAct + Function calling 怎么运转？在 ReAct 需要与外部系统结合时，免不了调用工具，执行链路如下：评估与决策：模型接收用户请求，判断...