虾皮日常实习 ai后端开发一面 夯爆了

2026年03月24日 虾皮二面-数据平台全程50分钟。上来先聊了几分钟个人情况，为什么做后端，有没有学过大数据课程什么的。中间主要问问实习项目做的情况。做了什么，怎么做的，遇到的难题及解决，项目规模，所在部门。最后给个题，（提供了一段日志处理代码题）请计算字符串例子里面 HTTP 状态码是 200 的百分比。也不难。简单反问。春招第6面，就结束了。这次可能参考价值一般，没有八股，项目也没有问比较深入的问题，手撕的话也就纯字符串切片统计的模拟。这个面试官比较和蔼，没有什么拷打。部门具体名称不记得了，只知道是做什么集团内部数据平台的。更新：已挂。意料之中吧，问题不大。一面能过就很奇怪，本来在一面...

努力拥抱AI中…1.项目拷打2.如果你要控制多个 agent，不论是 cursor、codex 还是别的工具，同时开多个的时候，你觉得会有什么问题存在？3.如果同时开 10 个、20 个，甚至更多 agent，你觉得会有什么问题？4.怎么管理它们？5.当 agent 做任务时，它不一定一次就做完，可能需要你反馈、确认、纠正。如果有十几个 agent，你怎么分配跟它们互动？6.如果要支撑这种场景，技术上应该实现哪些能力？7.你刚刚定义了 waiting、running、done 这些状态，那你觉得怎么去捕获一个 agent 的状态？8.现在像 codex 这种是独立程序，如果它没有 API，你怎么实现对它状态的获取？9.除了 hook，除了 skill 里做打点，还有什么其他方法吗？10.你有没有用过 skill 里面跑脚本这类能力？11.如果检测到 agent 一直没响应，或者卡住了，你会怎么处理？12.那是不是以后人只要对着调度器就好了？只需要做这套编排和管理？13.除了测试、复盘、对外解释结果之外，你觉得以后程序员还应该重点发力在哪些领域？怎么避免和 AI、和偏商务的人直接同质化竞争？14.你觉得有什么方法论，可以让大模型从一个非常庞大的上下文里，很精确地找到它真正需要的数据？15.你刚刚提到 RAG，这种方法在代码库场景里怎么落地？代码是怎么被切成片、变成可检索内容的？16.如果 RAG 找错了怎么办？17.Cursor、Claude Code、Codex 这类工具，面对几百万行代码、窗口又装不下的情况，这个问题怎么办？18.那你知道这些工具大概是怎么实现的吗？19.从原理上看，一种做法是先把用户提示词丢给模型，让模型决策后再搜索代码；另一种做法是先本地检索，再把结果给模型。各自有什么优缺点？

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...

一战鹅倒在二面3.5投递 3.11一面 3.16二面 3.17二面挂一战快手offer3.22投递 3.31一面 4.3二面 4.9hr面 4.15oc二战鹅终于offer3.23复活 3.24一面 3.26二面 4.8三面 4.15hr面 4.17oc燃尽了，好好休息下