前言二面整体难度明显高于一面，问题从“你做过什么”升级为“你为什么这样设计”“如果量产会遇到什么问题”。不再停留在模块级别，而是围绕整机系统架构、视频处理链路、性能瓶颈、异常场景和可靠性设计展开深挖。面试官更关注：是否真正理解影像系统的数据流是否具备系统级架构思维是否有产品化与量产经验是否能从性能、功耗、热、稳定性多维度思考问题整体感觉：如果没有完整做过影像类产品，或者没有系统级复盘，很容易被连续追问带走节奏。详细介绍你做过的影像项目整体技术架构，你负责的模块是什么？数据流如何设计？如果让你从零设计一款运动相机的软件架构，如何分层？模块如何解耦？运动相机防抖有哪些实现方式？EIS 和 OIS ...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

找小厂不需要刷题八股文+项目就ok了我室友就是如此基本没怎么刷题 别人面他的时候也根本没有问算法题这类东西 都是八股+项目的东西 最后也是拿到实习offer了 大厂就另说了

一天一个AI岗位介绍，今天要解读的JD岗位是——AI应用研发（直播类）。在所有 AI 应用场景里，直播可能是最“极端”的一个：高并发、强实时、强互动、强转化。如果一个 AI Agent 能在直播场景稳定跑起来，那基本说明——工程能力是过关的。一句话概括它的核心工作：在高并发直播场景里，把 AI Agent 从“概念”变成可规模化运行的系统。不是做 Demo，不是写论文，而是——让 Agent 真正在流量洪峰里活下来。一、这个岗位到底在做什么？它可以拆成两条主线：基建 + 应用落地。1️⃣ AI Agent 框架基建（偏工程核心）JD里提到 MCP 标准、微服务集成、低延迟、安全集成。翻译一下就...