小红书 秋招 四面

最近收到了人生中第一次 AI 产品岗的面试邀约，面试前我在 B 站、小红书上查找了很多博主们分享的 AI 产品面试题，花了很多时间去了解各种概念、技术流程和优缺点，像 RAG、Agent，还有评测集的各种指标比如准确率、召回率、F1 值等等，结果面试的时候一个都没问🌟一面（产品老大）和二面（项目负责人）：主要集中在两个方面。一方面考察我的产品能力，比如需求调研的方式、需求价值和优先级判断、和开发的协作问题、项目管理等，还追问了很多过往项目的细节。另一方面问我对 AI 的一些了解、使用情况以及如何应用ai结合业务场景详细展开讲一下，对ai未来发展的一些看法等等，整体也还好，二面有个意外的点是第一次有面试官提出要看一份最能体现我能力的需求文档，我是线上面的直接找了一份共享屏幕了。🌟三面最终面（副总）：问了几个我的过往项目，然后一个问题把我卡住了，问我有没有亲自搭建过很酷的 Agent，还有工作流是怎么样的。这个我确实没亲自搭建过，场面就很尴尬。心里凉了一半。💡后续自己得多实操搭几个agent试试，感觉 Python 多少也得学点，几轮面试都有问到我会不会 Python，虽然一二轮都过了，但感觉更多是靠产品方面的经验过的，如果遇到其他公司还真不好说。现在我的 AI 水平感觉更多还是在纸上谈兵。😔还有就是现在gap久了每一轮都要解释真的好心累啊希望我的面试复盘能给大家一些启发，一起加油吧！

昨天刷X的时候,突然发现xAI把整个For You推荐算法开源了。说实话,我当时就愣住了。要知道,推荐算法这东西,对社交平台来说就是命根子。抖音的推荐算法、小红书的推荐逻辑,哪个不是藏着掖着当核心机密?结果马斯克直接把代码扔GitHub上,7000多个star,就这么大大方方让你看。这背后到底藏着什么秘密?一个让我震惊的发现我花了整整几个晚上扒完这套代码,发现了一个颠覆认知的事实:X的推荐系统里,几乎没有人工规则。什么意思?传统的推荐系统,工程师会设计几百上千条规则。比如用户点赞过科技类内容,就多推科技,或者转发率高的内容加权。这些都是人脑想出来的逻辑。但X的算法完全不是这么玩的。他们用的是G...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.AI聊天界面中，当新消息到达时如何平滑地滚动到底部?如果用户正在向上滚动查看历史记录，该如何处理?2.详细说明一下前端如何处理Markdown中的代码块高亮，以及如何支持代码的一键复制。3.在构建AI应用时，你是如何设计Prompt模板管理系统的?4.谈谈你对RAG(检索增强生成)流程中前端职责的理解。5.如何解决流式输出(Streaming)过程中，由于内容长度变化导致的页面布局抖动(Layout Shift)?6.你们项目里是如何处理大模型响应慢的问题的?前端有哪些优化手段?7.介绍一下WebWorker在AI前端应用中的使用场景。8.如果要实现一个类似Notion AI的行内斜杠菜单(SlashCommand)，你的设计思路是什么?9.谈谈React的并发模式(Concurrent Mode)对AI聊天应用有什么帮助?10.如何实现AI生成图片的预览和下载功能，特别是处理Base64和Blob格式?11.什么是提示词注入(Prompt Injection)?前端能做些什么来降低风险?12.性能监控中，针对AI应用有哪些特有的指标?

面试题简述有100个苹果，两个人轮流拿，每次只能拿1到5个，谁能拿到最后一个谁赢，你先手，怎么保证你一定能赢？面试官想听的1、能不能抽象问题2、能不能找到规律3、能不能把思考过程说清楚需要说明的是，这类智力题最重要的是推理能力，而不是答案。面试回答举例我会先从小规模的情况开始分析规律，而不是直接看100个数。假设只剩下1个到5个苹果，先手一定赢。详情请参考：http://xhslink.com/o/444QKKxYUTp由浅入深分析1、这是一个博弈论中的必胜态或必败态问题2、核心是控制节奏，而不是算的快3、类似问题在算法中常见，比如 Nim 博弈4、重点不在公式，而在归纳和反推面试加分点1、提...