文远知行 26校招凉经

一面 1.自我介绍2.拷打实习经历3.linux命令4.git命令5.场景题：针对智能驾驶的车设计测试用例6.对智能驾驶的认识7.两道算法题

请详细拆解简历中“配表专项测试”的业务背景、技术实现及你的具体贡献？针对复杂的概率计算（如万分之一掉落率），你的校验脚本是如何设计的？以“游戏道具购买”接口为例，展示你的用例设计思维及边界覆盖情况。如何构造“低等级玩家购买高等级道具”的测试数据？其底层实现原理是什么？在过往项目中，UI自动化测试的建设情况如何？你做过哪些探索？为何不引入主流自动化框架（如Selenium/Appium）？如何利用大模型优化日志分析流程？具体实施细节是什么？日志分析中，具体的聚类逻辑和关注指标有哪些？假设测试自动驾驶车辆通过红绿灯路口，请设计测试用例。你的职业发展路径规划是怎样的？反问

一、自我介绍与项目深挖做一下自我介绍。简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？结合实习或项目，做细节追问（工作流、职责、决策、挑战等）。二、Agent 与提示工程相关提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？上下文是如何构建的？你们怎么避免上下文过长或信息污染？如果上下文窗口不够，你会优先保留哪些信息？为什么？三、代码理解与单测生成（工程场景）做代码理解时，AST、调用关系这些信息是怎么用起来的？单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？覆盖率高但测试质量很差，你见过吗？你们是如何解决的？mock 在单测里什么时候是必须的？什么时候反而会带来问题？如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？四、LLM 基础与 Transformer 细节LLM 的输入到底是什么？模型真正看到的内容包含哪些？self-attention 的核心作用是什么？为什么要拆成 Q、K、V？为什么 attention 能建模长距离关系？为什么需要 multi-head？attention 为什么可以看成动态加权？同一个 token 的 Q、K、V 为什么不相同？attention 复杂度很高，当上下文特别长时，你会怎么优化？模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？五、后端与系统基础Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？讲一下 C++ 从源码到可执行文件的完整编译流程。六、算法题（手撕）给定一个数组 nums，计算所有子数组的中位数之和。定义：如果子数组长度为奇数：中位数 = 排序后中间的数。如果为偶数：中位数 = 排序后靠左的那个数。要求：计算所有子数组的中位数之和。

具体岗位名是Product Engineer-产品工程师（AI应用方向）-质效研发，原以为是agent+java，没想到java才是添头...怀疑这个暑期拿不到一个offer了...1.在 agent项目中，最核心的产出或创新性最足的部分是什么？2.能否具体讲讲节点编排是如何实现的？与其他行业框架（如 Coze、Dify）相比有何异同？3.像 Dify 这类开源框架本身也支持定制，你的项目与它们的区别在哪里？4.项目中你认为比较好的设计有哪些？5.是否了解过 LangChain、n8n 等行业产品？简单讲讲 LangChain 的特点。6.对 AI Agent 方面了解多吗？是否使用过 RAG...