小红书AI产品实习面经

1. 简单介绍一下你自己回答框架：基本信息：学校、专业、年级技术能力：擅长的技术栈项目经历：做过什么，有什么成果个人特点：学习能力、团队协作求职动机：为什么选择小红书2. 用简单的语言介绍一下你的项目，让我这个非技术人员也能听懂（保留原题改写）回答策略：避免技术术语：不要说"基于epoll的高并发服务器"说"能同时处理很多用户请求的系统"用类比和例子：把技术概念类比到生活场景强调解决了什么问题，带来什么价值示例回答：项目：在线聊天系统"这个项目类似于微信群聊功能。简单来说，就是让多个人可以在一个房间里实时聊天。我负责的是后台服务器部分，就像一个...

发一下问题给大家参考，攒攒人品！1.项目拷打2.追问AI产品评测指标3.我想了解一下本来你们这个APP的他的定位，然后他的目标群体，然后以及这个模块预计里面他要起到的作用是什么?4.你觉得小美做得好和做得不好的点是什么?5.最近有关注一些什么样的其他的AI产品，或者是AI上面的动向吗?6.简单说一下realme这段实习经历中当时你负责的方案，抓拍功能是一个怎样的功能?7.如果我在看某一个APP的用户活跃数据，假设8月份月活跃用户是35万，周活跃用户是10万，那么用户平均每一个月打开APP多少周?8.从你自己购物的角度来讲，你觉得如果用 AI去改善你自己的购物过程，会有哪些是你特别想做的吗?

在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...

RT，主包今年大二，学校背景普通，本来觉得大厂离我很远。但，幸运如主包，突然刷到米今年开了个全年实习生专项，首次面向27届及以后在校生，重点是，所有实习都能留用、90天可投2个岗（米之前只能投一个岗）！！！（而且我看专门提到策划/美术岗非常欢迎低年级）然后着搜着发现米官方发了实习生专属求职资料包，岗位分类、工作日常、投递建议都有……指路→https://gcn5aslh4hl2.feishu.cn/wiki/VDiGwxRqMioaPJktpVocII8FnKe祝我们都能拿到offer好吗！！🥹