27日常实习字节Agent后端开发二面

简历上最虚的一句话，大概就是“精通C语言”。写下去很容易，但真正被问到内存管理、指针细节或底层实现时，才发现只是停留在会用阶段。越是基础，越难说精通。这句话更像一种自我安慰，也提醒自己还有很长的路要走。

面试很难，还是要多多练习，感觉自己说不明白业务逻辑项目拷打（约30min1.梳理xx广告效果引擎的整体业务链路。2.离线缓存层构建：正排数据如何转化为倒排数据？3.离线缓存层构建：为什么不用Java原生的BitSet？4.序列化与反序列化优化：为了避免直接反序列化极其庞大的大对象，采取了什么设计方案？5.分布式调度设计：如何对千万级广告库（如1024个slot）进行分片处理并实现横向扩容？6.分布式调度设计：Worker定期向Manager发心跳并延长令牌时间，如果Manager挂了怎么办？7.网络协议定制（数据播发项目）：基于TCP通信，如何设计协议来解决粘包和拆包问题？场景设计题（约10min）场景背景：股票搜索功能，拥有几十万条股票代码。用户会通过输入股票代码（如300033）、名称（如腾讯）或拼音首字母（如tx）进行搜索。要求支持全匹配、中匹配、后匹配，且全匹配优先级最高，对响应速度要求极高。1.这种高并发场景下，数据存储载体应该怎么选？回答内存介质加字典树2.快速搜索的底层算法应该怎么做？3.针对中文汉字特别多的情况，Trie字典树应该怎么建？4.Trie树做全匹配没问题，那如何基于树结构实现中匹配？AI应用与工具拓展交流（约10min）日常写代码时，自己手写和大模型生成的比例大概是多少？个人的AI辅助开发工作流是怎样的？有没有了解或跑过类似 OpenHands （类Devin的自动编程Agent）这类开源项目？在大模型应用中，Skills 和 MCP (Model Context Protocol) 有什么区别？

一面： 十亿费用宣发会怎么选 手撕反转链表 二面： layer norm是什么，和bantch norm有什么区别 手撕一个layer norm实现 重点： 机器学习基础比较重要最后hr都会问“你还有什么问题想问我吗”：请问您觉得我在今天的面试当中有哪个环节答的好，或者有哪个环节的回答您特别不喜欢，您有什么好的改进建议？

暑期实习从2月开始投，面了两个月，流程该挂的都挂完了，腾讯字节一共号称是1.7w个hc，不知道都发给谁了，估计今年秋招要难顶。Timeline米哈游、美团、蚂蚁、微软等公司直接简历挂穿，没进面。携程：3.3 投递、测评3.12 笔试3.18 一面3.25 二面4.13 ai面（hr面）4.14 英语测评4.23 offer（已拒）腾讯：2.6 测评2.28 wxg一面3.5 wxg二面（挂）3.11 teg一面3.21 teg二面（取消）3.31 teg一面4.10 teg二面（挂）4.21 wxg一面4.24 wxg二面（挂）字节：1.28 aml约面（取消）3.17 火山一面（挂）4.8 aml一面（挂）4.20 抖音data一面（挂）阿里：3.23 投递、测评3.28 笔试3.31 淘天一面4.8 钉钉一面4.9 淘天二面4.10 阿里控股一面4.12 钉钉二面（取消）4.15 淘天hr面4.16 淘天offer（已接）4.21 高德一面（取消）4.22 淘宝闪购一面（取消）面试最大的感触是，现在撞上ai转型，一堆老业务急着转向，新业务非常不成熟，研究型的组bar非常高根本进不去，业务侧挂着算法的岗位干的都是工程活，面试却又要问算法，另外agent的落地也远没有那么广，绝大多数还是那套写死的系统调一下llm api或者做做rag，其余少部分真的在搭agent的，基本不能在线上服务用什么很智能的模型，现阶段成本太高，进去大概率就是给垃圾模型从工程方面兜底，除了业务场景的应用和数据经验以外，技术方面很难有什么提升。算法岗做不了基模的还是去搜广推好，之前判断失误了完全没投，秋招不知道还进不进得去。