腾讯实习录用评估要多久呀

💡 写在前面春招和暑期实习的节点越来越近了，相信很多同学和我一样，每天都在死磕算法题或者八股文。但在高强度的刷题过程中，我发现自己陷入了一个极其内耗的死循环：刷完就忘，复盘极其耗时。很多时候，前脚刚看懂了灵茶山艾府（灵神）等大佬的精妙题解，遇到同类变种题大脑又是一片空白。如果想认真做复盘笔记，不仅要在代码编辑器、网页和笔记软件之间来回切换，还要手动去调整 Markdown 里的代码高亮和 LaTeX 数学公式，半个多小时过去了还没进入核心逻辑的梳理。作为一个程序员，遇到这种机械的重复劳动，第一反应当然是：写个工具把它干掉。于是，我花了点时间开发了这款浏览器插件 CodeNote Helper...

大佬们有没有了解这个后台开发是干啥么的，有没有面过的大佬

📍面试公司：腾讯🕐面试时间：2026.3💻面试岗位：前端❓面试问题：自我介绍后针对简历上的项目一个一个的问，省略掉若干具体项目问题agents如何实现打印机的效果问我日常开发中AI的使用情况有没有用过skills或者MCP的功能有没有开发过具体的skills问性能优化，CSS如何进行压缩的，背后实现的规则和原理是什么如果让你设计vue3这样的框架需要考虑哪些东西diff算法的原理代码题（时间控制15min）：给一个整数数组num和整数k，统计并返回数组中和为k的子数组的个数🙌面试感想：就面了30min，手写代码还没共享屏幕，不会是kpi面吧

### 27 届实习生招募｜如果你已经把 AI Coding 当成日常，我们想和你聊聊如果你对实习的想象还是：接需求、写接口、改 bug、做边角功能。那这次的岗位，**可能会不太一样**。随着 AI 技术快速发展，**软件工程的范式正在被重新定义**。未来的工程师，不再只是把 PRD 翻译成代码的人，而是能够端到端解决复杂问题的**系统构建者**。我们是一个建设 **核心电商系统技术底座** 的团队，直接支撑淘宝天猫的商业运转效率。我们做的事情，不是「为了 AI 而 AI」，而是把大模型、Agent、RAG 等前沿技术真正落到真实业务场景，让智能系统创造**可衡量、可验证的商业价值**。---### 在这里，你可能会参与的事情- **深入真实业务场景**- 做需求理解、数据分析和问题归因- 把模糊的业务痛点，转化为可落地的 AI 解决方案- **设计与实现 AI 原生系统**- 参与 Agent 系统核心模块建设- 搭建知识库、记忆系统、工具调用链路和 API 交互环境- **打造关键智能能力**- 实现意图识别、任务拆解、反思纠错、工具编排等能力- 让系统具备端到端解决问题的能力，而不仅是回答问题- **建设评测与观测体系**- 搭建自动化评测、回测和观测体系- 推动效果持续收敛与可解释、可优化- **优化工程与性能**- 在高并发场景下打磨性能、稳定性和工程可用性- 让智能系统真正经得起「线上大规模业务」的考验简单来说，你做的不是「一个 AI demo」，而是面向**真实商业环境**的**智能系统工程**。---### 我们能提供什么？- **1）顶级模型基础**- 直接接入最先进的基础大模型能力- 不只是调用 API，而是有机会参与到体系化工程方案中- **2）算力和调用自由**- 少一点 quota 焦虑，多一点大胆实验- 我们希望你的想象力，不被 token 限制- **3）面向 AI 时代的成长路径**- 从「技术实现者」成长为「智能系统架构师」- 更看重你：定义问题、构建系统、推动技术价值落地的能力---### 我们在找什么样的你？#### 基础要求- **学历背景**- 2027 届应届毕业生- 计算机 / 软件工程 / 通信 / 人工智能等相关专业优先- **AI 编程工具重度玩家**- 熟练使用 Cursor、Claude Code 等- 具备较强的 Prompt 编写和调优能力- 有完整「项目级」开发经验，而不只是写过几段脚本- **理解 LLM 能力边界**- 知道模型擅长什么、不擅长什么- 知道什么时候该靠模型，什么时候该用确定性逻辑兜底- **熟悉常见大模型应用范式**- Context Engineering / Prompt Engineering- Agent 与工具/函数调用- 主流 Agent 框架（如 LangChain 等）- 对大模型幻觉、Prompt 注入等风险有基本的工程化应对思路- **扎实的代码和工程能力**- 至少在 Java / Python / JS 中的一种有深入实践- 能把想法落到稳定可维护的工程代码里#### 加分项- **有实际落地的 AI 应用 / Agent 项目**- 如 RAG、多智能体、MCP、Skill 等项目经验- **有可展示的成果**- 项目 / 实习成果 / 开源作品等- 在 Github、技术博客或技术社区有内容输出或一定影响力- **对 AI Infra 有一定理解**- 如 vLLM、Ollama、KV Cache、流式输出、延迟优化等相关经验或理解- **有相关理论或训练经验**- 具备一定 NLP / CV 理论基础- 或有 SFT、RL 等训练实践经验---### 我们特别看重的特质- **学得快**- 能啃论文，也能把想法写成工程代码落地- **动手能力强**- 不只会说，更愿意自己去做 demo / 做项目- **好奇心与想象力**- 能提出好问题，也能把问题拆解并解决- **对技术有审美**- 追求简洁、优雅、打动人心的技术方案- **高能动性**- 主动探索，不等任务「掉下来」- 愿意尝试新方向，也能对结果负责---### 如果你是这样的人，欢迎来聊如果你已经不满足于「调用一个 API 做个套壳应用」，如果你想真正参与构建 AI 在真实核心业务中的**系统级落地**，我们非常期待和你聊聊。**面向 27 届实习生，招募中。**感兴趣可以私信 / 评论区交流（也欢迎附上 GitHub、项目链接、个人介绍）。