飞腾 AI Infra 实习一面分享

说是5分钟安装，但我第一次部署OpenClaw，前前后后花了两小时。 不是因为难，而是因为——坑太多。 有些坑是文档没写清楚，有些坑是我自己操作失误，还有些坑是环境配置问题。 总之，踩完一圈坑之后，我决定把这些经验整理出来，帮后来者省点时间。 踩过的这些坑，其实有本手册里都有解决方案。完整的部署步骤、配置细节，可以看《2026OpenClaw完全使用手册》。 坑1：Node.js版本太老 现象 安装依赖时报错： error: The engine "node" is incompatible with this module.  原因 我的电脑上装的是Node.js 10....

发点面经攒攒人品～项目经历1. 实习拷打2. 项目拷打量化相关3. 量化策略的选择依据：为何选用 INT8 量化，A100 与 H100 对不同量化精度的支持情况4. 量化对象是模型权重还是 KV-Cache，scale 参数如何确定5. 量化后是否进行过精度损失的评测算子开发6. Triton 算子的实现逻辑，包括分块等策略7. 对比所用的官方 baseline 选择及数据类型8. 性能提升数据的来源，动态分块策略与算子配置9. 是否考虑过使用 CUDA 替代 Triton 进行算子开发，选择 Triton 的原因10. 是否做过 profiling，内存吞吐等性能指标表现如何，后续有何优化思路推理优化11. Attention 模块在整个系统端到端延迟中所占比例12. Decode 阶段属于 compute bound 还是 memory bound，KV-Cache 量化提升的是哪方面性能13. A100 的理论显存带宽上限

天天在牛客上刷到“双非本科没实习是不是没救了”“985硕士零实习能冲大厂吗”，吵来吵去就是学历和实习哪个更重要，我真的看烦了。今天必须说句大实话：校招里，学历和实习哪个更重要，完全取决于你有什么、缺什么。你缺的那个，就是对你来说最重要的。网上那些极端言论，要么说“学历至上，双非根本没机会”，要么说“实习为王，学历没用”，全是站着说话不腰疼，根本没搞懂校招的残酷真相。先揭穿第一个真相：学历，是给你开门的钥匙；实习，是让你留下来的门票。很多双非的同学说，我投了几百份简历，全石沉大海，实习再牛有什么用？连面试机会都拿不到。这太真实了。大厂校招，简历池里几万份简历，HR根本没功夫一份一份看你的实习项目...

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。