美团AI agent开发实习一面 40m

你觉得多个小 agent 是分成多个子 agent 好，还是在一个母 agent 下管理好？CLI 和 MCP 有什么区别？你目前为什么会想要离职/跳槽？如果 offer 你，大概什么时候能到岗？你有尝试过 AI coding 编程吗？用下来感觉如何？Claude Code 和 Cursor、Trae 的区别是什么？Claude Code 在非编程任务上的泛化能力怎么样？你了解 Claude Agent SDK 吗？你了解过其他 agent 框架吗？比如 AgentScope、LangChain？你觉得Cursor更像是哪种模式（ReAct / Plan-Execute）？你觉得 Claude...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目拷打2.向量模块的基本索引是怎么存的，中间经过什么可以把数据召回回来3.普通redis跟redisearch有什么区别，比如数据结构上，底层是采用的什么4.它是都具备一种scan的能力，比如量化查询5.它的底层实现与mysql这种存储结构有什么区别呢6.注解@Tool这种方式的底层怎么实现的7.spring的aop和ioc是什么怎么实现的8.agent执行循环，怎么判断是否需要执行下一个循环9.举一个复杂的例子串一下10.提取摘要的时候如何避免摘要提取错误导致上下文扭曲11.function call 、mcp、skills有什么区别12.为什么skills会逐渐成为流行的趋势13.open claw是否去搭建过14.是否自己写过skills15.tcp的握手与挥手16.流式输出用的是哪个协议

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。