校招美团java后端一二面

会点Python和SQL，能写代码处理数据，再懂用AI工具做分析，比如让AI帮忙找规律、做预测之类的，毕竟很多公司都缺这种人，而且还能去整理表格、出报表，面试时拿出来说说，这不就稳了

万法AI一面 2026-2-4 1你项目中 ES 的数据是直接写入，还是从数据库同步后再查询？ 2ES 是否做了大宽表，通过 binlog 同步数据库数据？ 3项目中 ES 的索引是如何设计的？ 4数据库索引有哪些数据结构？ 5Redis 主要用在什么场景？ 6JVM 的垃圾回收器有哪些？CMS 的垃圾回收过程分哪些阶段？ 7平时写代码会用 AI 编程吗？ 8你项目中用 Spring AI 做图片识别，提示词写得多吗？用的什么模型？ 9若要实现一个 AI 小助手，需要记忆管理和向量库 RAG，该怎么实现？ 10AI 开发和传统开发有什么区别？各有什么优缺点？ 11如何解决或降低 AI 幻觉问题...

虽然岗位JD一般看起来都挺宏大的，但真实的实习日常其实更多是琐碎和重复的工作。这些基础工作，可能也能够帮助新人更好地理解了AI产品的底层逻辑。最近看到很多同学求职都想往AI方向走，今天就来聊聊我的AI产品实习生的日常在干什么，欢迎对照参考模型评测：最容易上手的工作✔ 外部模型评测：每当 OpenAI、Google、字节等头部公司发布新模型，我们团队会安排实习生对这些模型做初步评估✔ 内部模型评测：对自研模型的版本迭代，评测会更细致（比如对特定能力做细粒度拆解）🧠 这部分工作虽然“体力活”居多，但非常适合快速熟悉大模型能力的边界，是入门AI产品的第一课AI产品体验&调研在这项工作里，我们往往要求实习生输出文档/分析表格。我安排调研过的方向有：AI agent相关的产品：如AI搜索的perplexity、秘塔；浏览器产品genspark等等AI陪伴：如星野、猫箱、EVE等，看它们最近的新功能（比如对话记忆、人格设定），还会看用户舆论反馈、App Store/小红书/微博评论等产品调研最后往往要落成一个文档，重点在于：总结共性+提炼启发+对自家产品的参考建议数据标注模型训练需要高质量数据，很多时候你会参与一些小规模的数据标注工作：比如标注用户query的意图分类、判断一段模型生成内容是否符合prompt要求。和算法同学一起协作，有时候也需要你写清楚标注规范、整理excel表格。虽然量不大，但数据质量直接决定了模型效果，所以这其实是很锻炼细心和产品sense的工作。Prompt 工程实践：AI产品核心技能之一现在越来越多AI产品都依赖prompt来驱动智能逻辑，实习生常被分配去写一些具体模块：比如一个AI伴侣产品需要实现“早安问候”，你需要写prompt让模型根据不同用户状态生成不同风格的问候语。写完还需要配合做A/B评测、准备评测集，看不同prompt方案下效果是否稳定、是否可控。总结一下：我的AI实习生们日常大概率会围绕这四件事展开：模型评测 → 产品调研 → 数据标注 → Prompt调优它不像传统产品那样做完整PRD/功能落地，而是更多和模型能力深度绑定。

1.对 AI、LLM、工作流、MCP、Agent、Prompt 的理解AI：让机器模拟人类的理解、推理、生成、决策等智能能力。LLM 大语言模型：基于 Transformer 架构，通过海量文本预训练，具备语言理解、文本生成、逻辑推理能力。工作流：将大模型调用流程化，包括输入解析、检索、Prompt 组装、模型调用、结果后处理。Agent：具备自主规划、工具调用、记忆和自我修正的智能体，可独立完成复杂任务。MCP：多智能体协同框架，多个 Agent 分工协作完成任务。Prompt：给大模型的指令，高质量 Prompt 包含角色、任务、约束、格式、示例。2. 大模型的原理大模型基于 Transf...