腾讯暑期实习AI产品面经分享

（仅分享最近的收获）：AI能够提升上限：情景- 我之前上学时喜欢用Python。曾说“JAVA是工作，Python是生活”- 虽然但是，没有Python大项目基础，等级可以类似于 JAVAEE水平。太久没写后也忘了差不多辽- 我需要使用python进行快速的自动化落地，从零到一完整写一个新的项目：过程- 一开始古法编程硬写，费时费力没有成果- 过了一段时间选择推倒重来，给出完整的产品设计文档，以及数据库建模，以及需求单.md- 再装配 skill，使用 AI IDE （agent，模型都选国内顶级模型） + Intellij （手动修改，使用 DS的 FIM）结合的模式- 针对需求单做进一步任务拆解，“吃一个，看一个”；在交给AI前，先自己把伪码以及核心方法名创建出来 （最长一次花了2h做这事）- 花费大量时间堆 prompt 质量。只手动圈选必要上下文（最多一次圈了15个文件），并有礼貌的指出问题，指出你要看什么这样这样- 对结果不断优化，能改的直接自己改：结果- 攻克太多之前想都不敢想的难点，东西出来了：舒服的地方- 一筹莫展的境地，有了转圜的余地- 我这种菜鸟写起来肯定是磕磕绊绊，我就疯狂的打TODO让他FIM，速度得到了保证，不会卡心流- 真的能够快速验证，小步快跑，把东西拉出来：不舒服的地方- 平均一次响应要5min以上。很急，等到切回来我的上下文也是要恢复滴- 模型质量不足。连我这个python菜鸡都看不下去了，写的啥啊，应该主要是业务太复杂了罢。。。- prompt与前期准备工作占到了单一需求开发全流程的 60% 以上。不是说不能接受，就是有些别扭，明明有这些时间写文档，自己写也写完了（如果是java的话）：评价- 当然JAVA工作的话，主要还是修修补补为主，不是这种“一口气，一把梭”的情况。。。同时，负责的业务场景很复杂，项目文档建设非常落后，最近commit冲突的量级是以k来统计的 --我没有信心让AI来帮我做这些- 我能够接受这种合作方式，我认为自己不是AI的奴隶，同时暂时很难取代，我上面所述的工作拆解与指挥领导的这一步- 后面我会拥抱 Codex 的生态，然后把项目的文档都补充建设起来- 当然，我也明白，

标题：从零入门Agent开发，保姆级学习路线｜双非本科靠它拿到AI岗offer太懂零基础入门的迷茫了。很多人一上来就啃大模型底层源码、背Transformer公式，越学越懵，最后直接放弃。其实入行Agent开发，根本不用一上来就死磕底层原理，先跑通闭环、再深入原理，先做应用、再挖底层，才是普通人最高效的学习路径。今天把这套从零到一的学习路线全部分享出来，校招/转岗的同学直接抄作业就行。第一阶段：入门筑基期（1-2周）—— 搞懂本质，搭好基础环境这个阶段的核心目标：搞懂「Agent到底是什么」，搭好开发环境，跑通第一个最简单的Agent demo，建立正反馈，绝对不要一上来就啃理论。必学核心内容...

遇到的面试管姐姐说：“如何重新看待曾经拒绝你的梦中情司or高校——比喻成一座商城中心停车场，你的好车有资格也可以停放在任何停车场。但或许这个停车场比较热闹，没有腾出多余车位。你可以继续等待，也可以开往更大更适合你的停车场。”——遇到好的HR和面试官，会让人忍不住想单独拿出来讲，甚至想帮他们推荐更适合他们的候选人了哈哈。🤗（心酸：遇到不少面试体验有吃shi感的面试官们，反而更珍惜那些同频真正看见你的面试官了）（以下值得我手搓写的帖，无AI总结）【面试岗位】漾青环保科技（上海），环境咨询工程师，8k-14k/13薪（🌏环境工程/GIS遥感/大气污染/碳排/...... 这些领域的宝宝们可以试一试）【CV初筛】大概是因为我的领域主要是做GIS/GeoAI/Geo Data，发过遥感SCI，所以被面试官姐姐捞了一下哈哈😌。感觉他们会更喜欢有这方面研究经历的同学，当然也可以是学科相关，不过还是比较偏GIS，地学人也很match【面试过程】1. 准备好自己的相关资料：作品（比如ArcGIS工具使用熟练度）>工作经验/科研方向匹配度>其他材料（学历/论文/竞赛等相关证书）。作品集可以好好准备！！！也会问得很细节的哦，但不会死磕知识点，更倾向于想了解实现环节的细节。2. 一开始面试官小姐姐会先介绍自己的公司背景（这个很加分，是他们先破冰，i人友好）（不太记得具体内容了但这里简单描述一下）2-1 他们是类似 结合高校/科研团队 一起成立的公司，我大概了解这样结构的团队，因为我之前也有在浙大某实验室开发并在教授名下公司技术业务落地的经验，一般来说这类型公司体量不大（🎓科研项目+🏛️政府支持+🪂业务实现初创公司），可能薪资固定，但是非常稳定也有一定的成长空间... （一般会惜才，有政府扶持，并且项目资源还蛮多的，且一般资源稳定哈哈，如果你不满足底薪，可以多接项目，业绩成果一般不差）2-2  团队成员能力素质应该不差（不用多说了，科研落地初创公司很爱找背景好点的，倾向于学习好、有研究能力）2-3  对接合作方高校较多（eg复旦、港大、清北）。（唔...有待考究，这样的初创公司确实会有和高校合作的项目）3. 如果面试官对你的一个项目经历/论文作品 感兴趣，会认真了解你的项目流程是怎么实现的。（不打断你，耐心观看你的作品）会可能会让你补充经历中的细节——用什么工具，当时遇到什么样的问题，是怎么解决的呢？不会执着你的细节，还是更考察你的项目匹配度、工作流的整体思维、工具熟练度（这里就不举例我的case了，地学人讲清晰自己的故事和项目流程就好）4. 很nice的点——尊重你的空窗期，和你的职业规划。（会追问原因，但是我觉得这位面试官姐姐很真实，你可以大方地讲自己的规划和打算，甚至她会安慰，帖子第一句就是引用面试官姐姐对我的鼓励）【总之】忍不住想为他们推荐更适合他们的候选人了哈哈。gis hc少，环境咨询/可持续发展/碳中和 这类方向可以是GISer多考虑的领域，实在不行就转码吧(bushi)

为什么你这个Agent项目选择用 SSE 而不是 WebSocket？是怎么考虑的技术选型 在最近的 AI Agent 相关面试中，我发现这是一个必考的“送分题”。如果仅仅背诵“SSE 是单向、WebSocket 是双向”这类基础定义，很难打动面试官。 面试官真正想考察的，是你对业务场景的适配能力以及对网络协议架构的深度思考。以下是我总结的深度回答思路。 一、 核心分歧点：场景驱动选型 在面试中，我通常会先抛出一个观点：没有最好的协议，只有最适合业务的协议。  SSE (Server-Sent Events)：本质是基于 HTTP 的“长轮询升级版”。服务器在处理完请求后，保持连接开启，不断推...