美团ai全栈开发日常实习一面分享

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.请说一说你做过的比较有难度、有深度的事情。2.实习拷打3.你是如何精简 token 的4.你在使用 AI 工具时发现了哪些局限性？5.你是如何控制 AI 的输出，使其整体结果符合预期的？6.如果跳过项目中的规范约束（如自有 Agent 的上下文文档），对工程会有什么影响？7.你有没有使用过工程中的已有 Skill？它们的作用是什么？8.如果脱离公司的 Skill，你知道如何用 AI 去做工程开发吗？9.你有没有接触过 AI 开发的理论、方法论之类的东西？10.平常开发中你用哪些 AI 辅助工具？它们分别解决什么问题？11.你有没有看过社区或内部的 Skill 是做什么的，或者了解过它相关的内容？12.你有没有使用过 OpenClaw？13.你知道如何用 AI 去做出一些东西吗？14.AI 生成代码后，你会做哪些检查来保证代码的可靠性？15.每次生成 BFF 层的需求时，你会同步生成测试代码吗？16.工程底层会有 Skill 来做代码可靠性保障吗？17.如果让你从零开始做一个 AI 生成网页的前后端项目，你会怎么驱动 AI 去做？18.从接到项目到上线，你会做些什么事情？19.算法：第一题：promise、第二题：闭包

面完之后：按记忆把题串起来说 手里那份问题清单，是好几场面谈里碎片问题的合集。 单独看每一条都像八股，串在一起你会发现面试官的注意力一直在两条线上晃：一条是「这东西在线上会不会出事」，一条是「你知不知道自己在用什么、没用上什么」。 下面按我自己后来复盘时觉得顺的思路写——从项目怎么讲，一路滑到 LangGraph、记忆、agent 形态、工具协议、RAG，最后落到后端那几道「看起来基础、其实能问穿」的题。 你如果对某一块熟，可以快速扫小标题跳读。 从项目讲起：先别急着报框架名 几乎所有 agent 岗都会从项目开刀。我踩过的坑是开场三十秒就把 LangGraph、LangChain、某某向量库...

继续来分享下最近的面经~1.讲一下常用的大语言模型2.nl2sql项目 pipeline怎么布的3.向量检索具体的策略有做吗4.一个术语可能匹配多个字段怎么做，存在实体映射吗5.skill和mcp区别6.开发mcp update方法时如何确保安全性7.秒杀项目超卖如何解决8. prompt平时怎么写，有哪些细节9. prompt里的一下workflow和约束不遵守怎么解决10.我强制要求llm下游输出json格式该怎么去写这个prompt11.redis ttl和懒刷新的区别12.特别多的if嵌套起来这种有什么解决方案算法: 括号匹配

1. 自我介绍2. 介绍一下你常用的 STL 容器答案：我常用的 STL 容器主要有 vector、list、deque、map、unordered_map、set、unordered_set、queue、stack 和 priority_queue。如果从使用频率看，vector 和 unordered_map 是最常用的。vector 适合连续存储、随机访问和频繁遍历；unordered_map 适合根据 key 做快速查找；map 适合需要有序遍历或者范围查询的场景。工程里我不会只看理论复杂度，还会看缓存局部性、扩容成本、迭代器失效、内存占用和数据规模。比如元素数量不大时，vector ...