腾讯大模型算法一面-校招面经

之前的面试，有的忘了，但是面试体验很好。一面：实习，项目。公司主业相关：了解算子 gpu和cpu吗普通日常：什么时候到岗等无手撕反馈很快，第二天就有了结果。二面前一天因“面试官临时出差”取消，理由有些拙劣。更新：应该是真的出差

在牛客运营同学的热情邀约下，接着写下一篇分享 深度拆解：如何系统介绍你的第一个AI实习项目？这是所有面试的开场白，也是决定“生死”的45分钟里最关键的前10分钟。很多同学讲得口干舌燥，但我听完却是一头雾水。作为面试官，我问这个问题到底想看什么？业务Sense： 你知不知道为什么要写这个Prompt/做这个Agent？是为了解决什么业务痛点？技术理解力： 你对大模型的边界清不清楚？是盲目调用API，还是懂一点RAG、微调的底层逻辑？产品闭环思维： 做了之后效果如何？你怎么衡量好坏？避坑指南：千万不要只说“我写了多少条提示词”、“我搭建了几个工作流”。这叫“劳动力输出”，不叫“产品思考”。推荐回答...

首先你要会python（不需要熟练，只要用python写过简单项目）其次你要对算法的通用训练流程有个概念学历至少211，这决定你能不能过简历筛选 我们的目的就是以最低的时间成本快速过面，因此首先拆解一下面试组成部分常规面试时间一个小时，40分钟简历面+20分钟笔试+反问环节简历面主要考项目和八股。你最好有两个相关的项目，可以把四十分钟撑满；或者有一个充实的项目，可以经得住面试官拷打；如果项目都很浅很简单，那你需要对八股掌握的滚瓜烂熟。对面试者来说，问项目意味着自己掌握主动权，我们可以把自己的优势在项目里体现（比如可以在数据环节做复杂的设计，在调参上做设计，在训练流程上体现自己的独特insight），也可以通过项目提到的内容给自己划八股重点（一般提到数据就会问数据合成方法，提到微调就会问了解哪些微调方法和框架，提到rl就逃不开ppo grpo还有一些更新的等，提到rag会问检索 embedding，提到agent会问架构、memory等）。八股不是所有都考。我遇到过，力扣原题、transformer架构、KL散度这些神经网络公式的，还有数据处理的、设计prompt的等等。不过一般难度都不会很大，力扣的简单中等题做个大概，transformer和神经网络的经典实现看一看，其他的有一些些基础之后临场基本都能做出来。综上，时间有限：项目 >> 八股 = 力扣项目怎么找？ 网上有很多博主推荐项目，无非就是sft+rl，但我建议自己找一个研究背景，设计自己的数据格式，然后套那些技术手段（很多项目其实被做烂了，同质化很严重）。大概写一个项目的雏形出来，可以扔给llm跟他对话，让它充当面试官提问题。八股怎么找？ 最快的方式就是找各种面经，记录问题，然后自己借助大模型学答案，不要试图抱着一本书从头看到尾。大概准备的差不多70%之后就抓紧去面试，面试不要怕编的项目被拆穿、也不要怕答不上来面试官的问题尴尬，抱着学习的心态去面试，不要抱着通过的心态去面试。

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...