快手
共 138 篇面经 · AI Agent 开发 / AI 应用开发 / AI 全栈开发 / AI全栈 / AI 全栈工程师
快手 AI Agent 一面:视频检索的倒排索引、BM25、时间 IoU 与引用约束
快手 AI Agent 开发一面,全程围绕一个「从整场直播里找回某句话或某个动作」的检索 Agent 追问十一轮:倒排索引为什么要存词位置、BM25 的词频饱和与长度归一化、图文对比学习在学什么、切窗长度与步长各控制什么、时间 IoU 为什么惩罚「整段都报」、时间维度的非极大值抑制、两段证据怎么拼成一次事件、约束解码能否消除引用幻觉,最后是 Recall@K 与「第一次」这类需要覆盖度的问题该怎么答。
快手一面:B+ 树、千万级数据估深度与生产级 Agent 框架
快手一面:MySQL InnoDB 索引为什么用 B+ 树、一千万数据估算树深度、联合索引与索引失效场景;后半场全是 Agent 工程——生产级 Agent 框架的核心模块、模型网关要解决什么、上下文管理与工程持久化的区别、短期与长期记忆、工具系统设计、Skills/CLI/MCP 的概念与使用场景,最后是项目拷打和 AI coding。
快手二面:向量检索、Agent 上下文组织与 LoRA 原理
快手二面:介绍一个最能体现 AI 应用开发能力的项目,问是否做过大模型预训练/后训练/微调、用了什么向量数据库与检索算法怎么选、Agent 上下文如何组织、实习与个人项目分别用了哪些模型、是否接触过训推平台、了解哪些微调方法、LoRA 原理,最后手撕买卖股票。
快手 AI 应用开发一面:Agent 判定、意图澄清与反转链表
快手 AI 应用开发一面:先让用一个项目说明它为什么算 Agent,再追问意图澄清怎么反问、意图识别树的评测集与指标怎么定;MCP 部分问工具的参数权限与错误怎么约束、失败后怎么避免模型死循环重试,最后手撕反转单链表。
快手 AI 应用开发二面:线程池、Redis 与 Agent 长任务排查
快手 AI 应用开发二面:前 20 分钟全是后端基本功——线程池定参与 OOM、submit 与 execute 的异常差异、Redis 过期删除与分布式锁;后半场转 Agent 长任务排查,手撕带退避与幂等的重试器。
快手 AI 全栈一面:幂等窗口、Agent 停止条件与一个会被下游打死的重试器
快手 AI 全栈一面:Redis 幂等 key 的过期与删除顺序、Agent 何时停止、线程池参数推导、上下文压缩的评估,以及现场手写带抖动与幂等的重试器。
快手 AI 全栈一面(秋招):HashMap、JVM、MySQL 与召回打分
快手 AI 全栈秋招一面:项目追问之后集中考 Java HashMap、JVM 内存与 GC、MySQL 索引,最后是 scammer 召回打分与 token 预算裁剪的 AI Coding,以及股票买卖一次的手撕。
快手 AI 全栈一面:跨域与路由原理、AI Coding 实践
快手 AI 全栈开发工程师秋招一面约 85 分钟:自我介绍与项目深挖之后,前端基础集中追问跨域、Vite 开发代理、CORS 关键响应头与携带 Cookie 的配置,路由部分要求讲清 Hash 与 History 的差异、依赖的浏览器 API 及 React Router 原理;AI 相关部分围绕 AI Coding 的提效点、如何约束生成代码符合项目规范、Vibe Coding 与 Spec Coding 的取舍展开,最后手撕无重复字符的最长子串。
快手 AI Infra 一面:从进程线程到 1TB 文本外排序的系统连环问
快手 AI Infra 一面从实习 owner 内容问起,覆盖数组与链表、进程线程协程及 Linux 底层结构、进程排查与 top、C++ 编译链接四阶段、MVC 与 DDD、Docker 与虚拟机、虚拟地址与内存映射、锁与智能指针,算法要求用多路归并合并多个有序数组,再问 10 台 8G 机器处理 1TB 英文文本的设计与分片倾斜,最后落到 CAP、IO 多路复用、特权级、指令流水线与体系结构。
快手 AI Platform 一面:奇偶重排、显存观测与 MoE 负载均衡
快手 AI Platform 秋招面经,开场问之前所在部门训的是什么模型,随后是奇数在前偶数在后的原地重排 coding、怎么看 GPU 使用的显存、了解哪些 MoE 负载均衡方案、怎么 profile;反问得知组内做多模态大模型。帖主对面试体验评价很低。
快手三面:停车场系统设计与短视频体验优化
快手三面记录:自我介绍后讲一段有代表性的实习项目,现场用 Java 设计支持多个入口和出口的停车场系统,再谈如何优化短视频产品体验与跨团队协作,最后反问。
快手 后端开发日常实习 一面:只拷打项目,手撕中序遍历
快手后端日常实习一面:全程拷打项目与实习经历,无八股,手撕一道二叉树中序遍历,无反问。
快手电商一面:分组审查的上下文边界与 Redis 分片一致性
快手电商一面围绕 B 站 Code Review Agent 的工程细节连续追问:分组并行后局部无问题、整体架构有问题怎么办,3000 行变更 20 个文件怎么分组,间接依赖能否发现,上下文只增不减如何避免打满,超大变更是否只能报错,兜底与可观测性怎么做,指标到底看误报率还是准确率;后半段问上一段实习与一个商品点击 Top 100 方案,五个 Redis 分片写入失败怎么办,最后是 20 分钟 AI Coding 实操。
快手二面:隔离级别、快照读与当前读,再加一道 RAG 召回怎么评
快手二面四道题:先问四种事务隔离级别的差别,要求说清同一事务里读两次、中间被别人改了数据分别会读到什么;再问快照读与当前读的区别,以及 FOR UPDATE 时其他事务还能不能读;最后一题转到 RAG 召回效果的评估方法,要求说清怎么设基线、怎么算 Recall@K。
快手电商客户端实习一面:AI Coding 40 分钟做 HTTP Mock 服务平台
快手电商客户端实习一面:先问大二专业课与 408 的学习程度、哪些课算水课,再问 MySQL 表设计(一共几张表、好友表与好友申请表能否并入 user 表),随后是 40 分钟 AI Coding,题目为 HTTP Mock 服务平台,要求用 AI 按 P0/P1/P2 分级、做计划、分阶段实现并测试;最后自测状态码与响应体输入,面试结束后很快收到二面邀请。
快手电商客户端实习二面:项目架构连环追问与 30 分钟 AI Coding
快手电商客户端实习二面约一小时:面试官对着项目架构图连续追问流程细节,并现场提出「在当前架构上实现群聊」的扩展问题;随后是限时三十分钟的 AI Coding,要求先分级、写方案再分模块实现与联调,最后围绕岗位方向与组内 AI 使用反问。
快手AI全栈研发秋招一面:先序遍历还原二叉树与分布式锁、线程池深挖
快手 AI 全栈研发秋招一面,一道 hard 算法题之后全部围绕实习项目深挖:分布式锁的 Key 与 TTL 设计、看门狗续期、主从切换丢锁,线程池参数与上下文透传,异步任务宕机后的补偿,以及团队用 AI 编码时的上下文沉淀方式。
快手 Java 开发实习一面:缓存击穿、单实例 Redis 为什么还要分布式锁
快手 Java 开发实习一面四道题:缓存击穿是什么、如何防范;只有一个 Redis 实例时为什么还需要分布式锁、锁保护的到底是什么;统计日志中含 error 的行数怎么写命令;以及 Java 内存泄漏的成因与排查。原帖按备考题单的方式记录了每题的思路与卡点。
快手商业化 Java 实习一二面:Redis 缓存、分布式锁与 AI Coding 拷打
快手业务中台商业化方向 Java 开发实习,一面 30 分钟问缓存击穿与雪崩、分布式锁、进程间通信、日志命令、AI 使用与验收、内存泄露、GC 与合并链表;二面 50 分钟只有一道 AI coding——实现 Agent 工具调用核心模块,作者直接把需求丢给 AI 让它做计划并执行,被追问「生成的文档要不要逐字读」「怎么验收 AI 写的测试」「让另一个 AI 审阅是不是当传话筒」。
快手可灵专项 Agent Harness 一面:项目怎么起步与螺旋矩阵
快手可灵专项 Agent Harness 一面(回忆版):自我介绍、Agent 项目如何起步(怎么确定方向、调研、决定怎么做、过程中如何使用 Agent)、负责哪些模块、细致讲设计与思路、遇到什么问题以及如何借助 AI 解决;手撕螺旋矩阵,简单题,自测两个样例通过即可;反问团队日常怎么用 Agent。
快手大模型算法岗面经(三):九场面试真题,从显存估算问到 GRPO 与手撕 MHA
快手大模型算法岗(校招与实习)九场面试真题汇总:一面集中在显存估算、LoRA 低秩原理与 LSTM 门控,二面转向 Attention 的 shape、Prompt 长度与首 token 延迟、模型选型的 A/B 对比和数据集质量评估,后续场次深挖 DPO 数据来源、Rejection Sampling 与商业 API 蒸馏的取舍、RAG 为什么不分段、BERT 的 mask、MTP 与 GRPO 公式,最后是 DAPO 去掉 KL 后怎么防止跑飞、推理慢的原因与剪枝量化方案,每场都带手撕。
快手大模型算法岗面经(四):八场面试真题,从 PPO 优势函数问到 vLLM 调度与 MLA
快手大模型算法岗(校招、实习、日常实习)八场面试真题汇总:从百度实习的细节追问开始,考察 MoE 与 Dense 的取舍、滑窗切分的 overlap、SFT 与 RL 的选择、PPO/DPO/GRPO 的原理与 token 级还是 sequence 级损失、优势函数怎么算;随后转向 Transformer 与 cross-attention、vLLM 的调度、分布式训练架构与 NCCL 算法、损失函数与 CoT、RoPE、MLA、动态分辨率与 Function Call,几乎每场都带一道手撕。
快手大模型算法实习面经(3 月场):Memory Pool、SFT/DPO 与 Attention 细节
快手大模型算法岗实习的四场面经,时间集中在 2026 年 3 月下旬。第一场从风控报警机器人项目问起,覆盖 Prompt 编写流程、项目量化与 AI 产品理解;第二场问记忆池的构建与测试,以及 vLLM 的 PagedAttention、Chunked Prefill 与 Continuous Batching;第三场是密度最高的一场,从 SFT 数据、PPO/DPO/GRPO 一路问到 Agent 评估、Embedding 维度、Qwen 系列 Embedding 与 Rerank 的实现、Attention 公式与 RoPE;第四场问 AF 分离、FlashAttention、张量并行与 CUDA GEMM 优化。
快手大模型算法实习面经(9 月场):RAG 知识库、Video Agent 与两层意图识别
快手大模型算法岗实习的三场面经,集中在 2026 年 8 月中旬到 9 月初。第一场围绕智能知识库项目深挖 RAG:Embedding 前置与否的取舍、Top-K 与切分粒度、结构化切分、幻觉与虚空引用、P50/P95 耗时、线上效果评估与多轮上下文压缩;第二场换到 Video Agent,问 ASR/OCR 的评测集与指标、Bad Case 分析、多模型选型与多模态实现方式;第三场问两层意图识别、阈值稳定性与 Redis 缓存一致性,最后是一道手撕。
快手商业化内容运营实习一面:短剧变现、硬广投放链路与 CTR、ECPM 的口径
快手商业化内容运营实习一面 24 问。前段问短剧的定义、近期佳作与变现方式、广告植入的形式;中段转入投放,连问是否做过硬广、对投流是否只停在 DOU+、为何没主动研究、CTR、ECPM、ARPU、ROI 的口径;后段确认岗位形态与到岗时间。
快手 OneRec 算法岗一二面:生成式召回、单层 SID 与 DPO
快手 OneRec 算法岗一二级面:一面问生成式召回在推荐链路怎么落地(新增通路还是替换)、层级 SID 改成单层表征后输入输出变化与舍弃层级的原因、线上模型的迭代与全量/增量更新、特征与结果是离线预计算还是实时生成、长序列召回架构与损失设计、线性注意力与标准多头注意力的差异,手撕三数之和;二面问用大模型优化 OneRec 的完整落地思路、方案被全盘否决后怎么推进、单层 SID 的核心痛点与创新价值、DPO 与 PPO/GRPO 的适配差异、曝光消耗 ADVV 同涨怎么判断效果、LoRA 初始化与 RMSNorm/LayerNorm、AUC 与 GAUC 的选用边界。
快手 OneRec 算法岗一二面:生成式召回、单层 SID 与 DPO(同题重发)
快手 OneRec 算法岗一二级面:一面问生成式召回在推荐链路怎么落地(新增通路还是替换)、层级 SID 改成单层表征后输入输出变化与舍弃层级的原因、线上模型的迭代与全量/增量更新、特征与结果是离线预计算还是实时生成、长序列召回架构与损失设计、线性注意力与标准多头注意力的差异,手撕三数之和;二面问用大模型优化 OneRec 的完整落地思路、方案被全盘否决后怎么推进、单层 SID 的核心痛点与创新价值、DPO 与 PPO/GRPO 的适配差异、曝光消耗 ADVV 同涨怎么判断效果、LoRA 初始化与 RMSNorm/LayerNorm、AUC 与 GAUC 的选用边界。
快手效果营销实习一面:意图阈值怎么验证、模型三态熔断与优惠券过期兜底
快手效果营销实习一面的四道场景题:意图阈值与模型相关度分数怎么验证(准备标注集、比较不同阈值下走错与被拦下的比例)、模型调用的三态熔断怎么和备用模型配合(正常/熔断/半开,切换前要查已执行动作与剩余时间)、查询向量化前置与跨请求缓存的区别,以及到期消息延迟或积压时如何保证优惠券正确过期。
快手产品经理面经四场合集:AgentOS 投入判断、埋点平台与数据产品
四场快手产品经理(实习)面试的完整问题记录:前两场围绕实习经历、指标衡量与 Agent 相关判断展开,追问 harness engineering、AgentOS 团队是否值得重资产投入;后两场是数据产品与产品运营方向,涉及埋点流程、看板搭建、口径校验、需求优先级、指标异动分析,以及 PUSH 策略、金币激励与 DAU 波动拆解。
快手产品经理面经五场合集:商业化、内容运营与 C 端/B 端选择
五场快手产品经理面试的问题合集,覆盖商业化产品、内容运营与通用产品能力三条线:商业化场问广告收入与用户体验如何平衡、B 端与 C 端岗位的选择理由;内容运营场问行业趋势、竞品优劣势、原创性与审核;通用场问原型工具、需求优先级、跨团队分歧与国际化。多数问题背后考的是有没有可复用的分析框架。
快手产品经理面经五则:内容运营、商业化广告与实习校招真题
快手产品经理岗五场面经合集(实习与校招):内容运营向考「怎么评估与筛选内容、怎么快速响应热点、怎么处理用户反馈、策略怎么贴合平台调性」;产品基础向考「怎么在产品规划阶段预判风险、怎么衡量产品成功、资源有限时怎么排序、跨部门怎么沟通」;商业化向考「了解哪些广告指标、运营与产品经理的区别、广告加载率接近天花板时怎么增长、内容生态与商业化指标冲突怎么平衡」,外加对短剧市场、快手与抖音差异、为什么来快手的追问。
快手产品经理面经合集:四场面试的问题清单与考法
一篇汇总了四场快手产品经理面试的帖子:2025 年 9 月 12 日、8 月 21 日、8 月 7 日三场正式岗,以及 5 月 28 日一场实习岗。问题集中在简历项目的指标归因、商业化与广告指标、策略产品与功能产品的区别、和研发的协作方式、SQL 与 AB 实验,以及「为什么做产品」这类动机题。原文最后一段在「发现你两段」处被截断。
快手广告算法一二面面经(同场重复投稿)
快手电商广告算法实习一二面题目记录,内容与同场另一份投稿一致:一面问实习与项目里的 ID 表征、SID 优势、推荐模型架构,附 AI Coding 实操与快速选择手撕;二面深挖实习与训练调优,要求手写 pair-wise hinge loss、对比三种排序范式及损失、讲 RQVAE 的量化与梯度、SFT 与 GRPO 的差异,以及一道零钱兑换 DP 变式。
快手广告算法一二面:从 SID 表征问到 RQVAE 与 GRPO
快手电商广告精排团队广告算法实习一二面面经:一面围绕实习与 MinioneRec 项目追问 ID 表征、SID 与普通 Embedding 的差异、推荐模型架构,并含 AI Coding 实操与快速选择手撕;二面深挖百度实习与训练调优,要求手写 pair-wise hinge loss、对比 pointwise/pairwise/listwise 及各自损失、讲清 RQVAE 的量化与梯度传导、SID 生成方式,以及 SFT 与 GRPO 的监督信号差异和奖励设计。
快手广告大模型算法 HR 面面经
快手广告大模型算法岗 HR 面面经,问题集中在求职动机与稳定性:base 地选择、是否还在实习与转正预期、求职目标以及偏研究还是偏业务应用的取向、对已投递几家公司的比较、手上其他流程的进度、论文产出情况,最后是候选人反问后续流程。
快手 Agent 开发二面:Harness、多 Agent 编排与上下文压缩
快手 Agent 开发二面全程围绕 Agent 工程化展开:Harness 怎么搭、多 Agent 的角色划分与中心调度、记忆为什么用 Markdown 而不是纯 RAG、知识库建设与沙箱权限、无人工审核场景下的错误率控制,以及 MCP 与 Skill 的加载方式和 Token 开销对比。
快手 AI Agent 开发凉经:如何定义 Agent?
快手 AI Agent 开发面经:先考对 Agent 本质的理解与 ReAct 在工程实现上的要点(循环驱动、上轮结果传递、单独管理的状态与停止条件),再深挖 Skill 与 workflow 的对比与好 Skill 的判据、高合规场景下的越权风险、Skill 的验证与低成本大规模评测,以及工具失败与任务中断后的状态保存与恢复,最后手撕反转链表并追问线程池。
快手 AI 应用开发一面:Agent 设计 + AI Coding 工作流
快手 AI 应用开发一面,围绕 Agent 记忆与上下文膨胀、工具调用缓存与失败优化、敏感信息防护、Token 成本控制、RAG 全流程,以及 AI Coding 工作流与 Code Review 追问展开,含智能文档审阅、行程规划 Agent 两道系统设计,最后手撕反转链表。
快手 AI 应用二面:Agent 框架自研取舍、Skill 效果评估与 MVCC 版本链
快手 AI 应用二面(净时长约 44 分钟):从实习项目切入,追问 Agent 架构是开源还是自研、对框架做过哪些优化、竞品调研与 Skill 效果评估,再考异常指标诊断会不会影响线上稳定性、RAG 经验与容器部署排障,基础知识只问了 MySQL MVCC,最后手写最接近的三数之和。
快手 AI 全栈开发面经:Agent Harness、沙箱与知识库两轮追问
快手 AI 全栈开发一面、二面面经:围绕 Agent Harness 的定位与实现、Agent 沙箱、知识库、多实例并发系统和一站式需求交付平台连续追问,最后落到成本与落地。
快手 AI全栈开发 一面:Skill 取舍与 MQ 可靠投递
快手 AI 全栈开发一面,进二面。一半时间在 Skill:为什么把 workflow 改成 Skill、好坏 Skill 的判据、Agent 什么时候该停、高合规场景怎么防越权、离线评测怎么搭;另一半是后端基本功——SQL 注入三层防护与验证、通义千问在单据业务里的边界,以及 RabbitMQ 的延迟消息、指数退避、消费端宕机与幂等 key 过期时间被追问到「消息处理 12 分钟、key 只有 10 分钟」怎么办。
快手 AI 全栈一面:Skill 与 MCP 的 token 消耗、Agent 全链路
快手 AI 全栈开发一面:Skill 与 MCP 的 token 消耗对比、一个 query 从输入到输出的完整链路、AI 开发流程、排查问题的流程、怎么判断一个 Skill 足够好,最后是一道 AI Coding。
快手秋招 AI 全栈一面:项目亮点、Doris 选型与 AI Coding 现场题
快手秋招 AI 全栈开发工程师一面:从「挑一个最有技术亮点的项目」开始深挖背景、职责与收益,追问脚本转平台自动化的方案归属、Doris 选型过程、Coding Agent 的使用比例与 MCP、Skill 的理解,最后是现场 AI Coding 题「电商搜索接口响应校验器」。
快手 AI 全栈一面:Agent 工作流、JVM 治理与并发八股
快手 AI 全栈一面面经:先深挖数据分析 Agent 项目(节点编排、skills 的组织识别与召回、相似提示词的准确率、是否统一放 skills 目录交给 AI 调度、做过哪些工程优化),再考 JVM 治理与 CPU 飙高定位、线程池参数、volatile 与原子性、ThreadLocal 原理、ReentrantLock 与 AQS、HashMap 扩容与头插法成环、ConcurrentHashMap、Spring IoC/AOP 与循环依赖、B+ 树与索引失效,最后是一道行转列的 SQL 和手撕删除链表倒数第 N 个节点。
9.28 快手 AI Infra 一面:Attention 算子、profile 分析与 prefill/decode 调度、AWQ 量化
快手 AI Infra 一面共 21 道题,从部署经历、GPU 与 C++ 基础问到 Attention 重构、算子优化、profile 分析与 prefill/decode 调度,再到 AWQ 与 W8A16 的量化路径,最后手撕三数之和。重点在把一次优化讲清、把 profile 结果落成可验证的假设。
快手后端一二面:Agent 执行链路与 SSE 推送、RAG 检索判断、索引下推与引用类型
快手后端一二面连发:一面围绕 Agent 项目问执行链路、20 步上限与 RAG 补查 3 轮的区别、异步执行结果怎么用 SSE 推前端、请求线程返回后为什么还能继续推流、用户隔离、topK 依据、检索相关性怎么判断;八股覆盖事务隔离级别、MVCC、缓存三大问题、HashMap、线程池、慢 SQL 与索引失效,手撕力扣 128;二面问恶意请求防护、稠密与稀疏向量、四种引用、ThreadLocal、索引下推、Lock 与 synchronized、公平锁,手撕力扣 560。
快手2面 10.13
快手后端二面面经(10 月 13 日),从实习项目最难点与数据拉取链路优化切入,八股覆盖 ClickHouse 与 MySQL 的选型差异及底层实现、Redis 快的原因与数据类型、哨兵与集群模式的架构差异和集群通信、Raft 算法,最后是一道 AI Coding 限时做题。
快手客户端 infra 四面:weak/strong、C++20 协程与内存块类型判断
快手客户端中台 infra 的完整流程(一至四面 + HR):每轮都是自我介绍加实习,技术点是 OC 的 weak/strong 代码纠错、MVVM、HTTP 与 HTTPS、拿到一块内存怎么判断是 OC 对象还是 C++ 对象、用 C++20 写协程框架,以及客户端如何被 Agent 赋能的理解。
快手 C++开发 一面:MySQL 优化边界与 shared_ptr 线程安全
快手 C++ 开发一面:先聊简历项目与 Agent 产品形态,再深挖 MySQL 是否真的需要优化、C++ 服务内存上涨如何区分泄漏与碎片、shared_ptr 的引用计数与线程安全,最后落到 MVCC 和 RR 隔离级别下的幻读。
快手 C++开发 二面:哪些 Agent 步骤不该走 MQ
快手 C++ 开发二面:围绕 Agent 项目追问主流程用了 MQ 为什么子步骤不照做、Reactor 与 Proactor 的取舍、消费成功但 ACK 失败如何防重复,以及线程池队列设计和上线评测体系。
快手 C++开发 三面:P99 抖动定位与多工具并发聚合
快手 C++ 开发三面:从内部知识检索 Agent 的架构与指标讲起,追问 CPU 和内存正常时 P99 延迟怎么定位、线上 case 怎么找、多工具并发执行与结果聚合,以及 shared_ptr 在高并发下的数据竞争和性能问题。
快手数据开发面经:湖仓一体、Spark 数据倾斜与连续登录 SQL
快手数据开发面经:从湖仓一体项目切入,连续追问 Iceberg 与 Hive 的差异、Spark UI 定位倾斜 task、加盐打散与两阶段聚合、AQE 与分区调优,最后手写连续七天登录 SQL 与链表反转。
快手 FDE 工程师面经:数据研发分出的新方向
快手 FDE 工程师面经:今年快手把数开分成数据研发和 FDE 两个方向,FDE 偏智能问数等 AI 场景;作者简历上的代码细节记不清,面试没过,原帖未逐题记录。
快手前端(商业化)一面:性能指标、Vue 原理与浏览器缓存追问
快手商业化前端一面面经:先围绕智能对话平台的 Agent 架构做项目追问,八股覆盖 LCP 与 FCP 等性能指标、Vue 的 key、.vue 文件如何被浏览器识别、浏览器缓存与 ETag,以及垃圾回收和堆栈区别,全程无手写代码。
快手全栈一面(校招):一小时不写一行代码,只把实习业务问到根上
快手全栈校招一面 1 小时:自我介绍后全程围绕实习业务深挖,没有代码考核,只考项目;反问环节聊到团队做广告与品牌营销、以及 Agent 方向。作者当天通过,二面是其他部门 leader 的交叉面。
快手全栈实习生(生活服务)一面面经
快手生活服务全栈实习一面,围绕项目中的分布式锁、LiteFlow 规则引擎、Skill 设计、Agent 上下文、MySQL B+ 树与联合索引,最后是一道 AI Coding。
快手 AI 全栈一面(5 年 Java):虚拟线程、ThreadLocal 与拒绝策略
五年 Java 面快手 AI 全栈:45 分钟围绕并发新特性深挖,ThreadLocal 在虚拟线程下的问题、虚拟线程的适用边界与 pin 问题、线程池拒绝策略尤其是 CallerRunsPolicy 的副作用。
快手可灵 AI 全栈开发一面:RAG 链路、Rerank 原理与 TopK 的收益反转
快手可灵 AI 全栈开发一面全程围绕 RAG:完整链路怎么拆、Rerank 为什么有效以及 Cross-Encoder 与 Bi-Encoder 的结构差异、优化怎么证明真的有效(Recall@K / MRR / NDCG 与生成侧指标)、TopK 调大为什么反而让准确率下降、多模态文档怎么入库与跨模态检索,以及离线评测很好但线上答非所问该怎么定位。
快手 多模态大模型算法 一面:DPO 与 GRPO 的区别与零梯度陷阱
快手多模态大模型算法一面,题目短但密度很高:从 DPO、SFT、GRPO 三者的定位差别与 DPO 更像谁,到 DPO 的优化目标和数据筛选要点,再到 GRPO 里样本全对全错为什么梯度为 0、奖励方差与 DVPO,最后是 PanoVision 与 VL 模型的对比和项目奖励函数的设计缺陷。
快手测试开发二面面经
快手测试开发二面,围绕实习项目的链路流转与方案落地、为什么选测开、如何测试一个项目、AI Coding 实现 diff 系统,以及除了题目功能外还能在哪些地方优化用户体验。
快手测试开发面经合集:四场面试的题单与压测思路
快手测试开发岗四场面经合集(2025 年 2 月到 3 月):一面问 MySQL 事务与聚簇索引、慢 SQL 定位、JVM 手动 GC 与电商理解,二面围绕压测指标与容错测试展开,另有设计直播间测试用例、回文串判断和两数之和。
快手测试开发一面:网络模型、TCP 握手与搜索二维矩阵
快手测试开发一面面经:问实习经历与简历项目(问得较浅)、计算机七层网络模型、TCP 三次握手,算法题是搜索二维矩阵 II,以及 AI Coding 环节;候选人自述计网只记住四层模型、握手答得不好、算法题不会输入输出只写了核心逻辑、AI Coding 因时间原因没提交也没运行。
快手测试二面:Agent 评测体系、Scaffold 适配与线上离线不一致
快手测试岗(Agent 评测方向)二面面经:1 小时、无 coding、全问实习经历——Multi-Model Relay 解决什么问题、适配 10+ Scaffold 的差异与 Checkpoint 状态、三阶段 Handoff 与交接摘要冲突处理、失败如何归因到模型/工具/运行环境/评测标准、两条通过的轨迹如何比较质量与 Rubric 如何避免主观、简历里「通过率提升 25%+、成本降低 30%+」的统计口径、业务报告 Agent 如何防止取数口径错误、如何为 Agent 功能设计上线前评测集与回归流程、线上成功率下降而离线评测无变化的排查顺序,以及购物车功能的测试设计;算法题为三数之和。
快手测试开发面经 01:三角形用例、热 Key 与 AI Coding 上下文
快手测试开发面经合集第一篇:用三个键组成三角形的用例设计、int 转 float 的边界、Vibe Coding 提效、最小栈、Java 反射与集合、Redis 热 Key、MQ 作用、内容正确性评测、SQL 与 AI Coding 上下文管理。
快手测试开发面经 02:购物车乱序请求、AI 用例治理与灰度定位
快手测试开发面经合集第二篇:购物车高风险场景与数量请求乱序、AI 生成用例的幻觉治理、灰度节点问题定位、Kafka 遥测链路测试、RAG 知识库更新、Agent 会话超限、意图识别与数据一致性。
快手测试开发面经 03:多级缓存测试、消息重复消费与矩阵查找
快手测试开发面经合集第三篇:多级缓存的测试与排查、RAG 与提示词、MQ 重复消费、HTTP/HTTPS、Cookie/Session、Linux 命令、二维矩阵查找、微信发图场景、超卖与缓存三兄弟、WebSocket 推送与 SQL 题。
快手测试开发面经 04:乐观锁、通话延迟测量与国际化测试
快手测试开发面经合集第四篇:抖音默认商场的场景用例、乐观锁与悲观锁、三数之和、通话延迟的精准测量、线程同步与 JVM、策略模式与单例、评论功能测试、HTTP 接口形成过程、线程池参数与直播礼物本地化。
快手测试开发面经 05:线程生命周期、自动化提效度量与 TCP
快手测试开发面经合集第五篇:Java 线程生命周期、浏览器输入网址的过程、最长递增子序列、SQL、自动化提效的度量、大模型结合 Mock 的专项、HTTP 状态码、三次握手四次挥手、TCP 滑动窗口与黑白盒测试。
快手测试开发面经 06:接口自动化、Fiddler Mock 与压测拐点
快手测试开发面经合集第六篇:四场面试的真题,覆盖接口自动化设计、新增员工接口的用例、Fiddler/Charles 抓包与 Mock、JMeter 压测与 CPU 达阈值后的指标变化、Python 面向对象、观察者模式、Redis 与分布式锁。
快手大模型 Agent 研发一面:Reconcile、Lease 与多 Agent 架构
快手大模型 Agent 研发一面全是连续追问:从 Reconcile 恢复、Lease 与崩溃处理、Fencing Token 的实现与取舍,到单 Agent 与多 Agent 的对照评测、Runtime 事件适配、Skill 加载与会话恢复的信息泄露风险。
快手 Agent 开发一面:工具兜底、多 Agent 与流式解析
快手 Agent 开发一面(已挂)复盘,方向是短视频脚本生成 Agent:问了工具调用失败的兜底、多 Agent 的分工方式、长上下文的压缩策略、输出质量的衡量方法,手撕流式 JSON 解析(半包拼接),并确认团队有内部红蓝对抗评测集。
快手 AI 应用二面:Agent 平台的效果评估与协作方式
快手 AI 应用二面面经(9.15):先问实习与转正情况,再从「你怎么理解 AI 技术栈」切入,考 ReAct 与 Plan-and-Execute 的适用场景与组合方式,随后深挖 Agent 平台项目——你个人改了什么模块、平台服务谁、如何考核、需求从哪来、上线收益与人效如何衡量、上下文错用与漏召的典型 case 是否可复用,最后追问模型接入与部署、推理成本、团队分工以及 AI Coding 的质量与多人协作。
快手 AI 应用开发一面:Agent 记忆、检索证据与 JVM
秋招一面先追问项目中的记忆、工具权限和检索判断,再考 HashMap、内存泄漏、垃圾回收与数据库索引。
快手AI应用后端开发岗面经
快手AI应用后端面试,覆盖线程池、区间算法、Agent测试与评测、消息队列可靠性、幂等和AI安全测试。
快手商业化 AI 全栈二面:全程拷打实习与场景
快手商业化 AI 全栈开发二面面经,时长约 35 分钟:全程围绕实习经历、项目细节、AI 相关能力和场景题展开,没有手撕代码,属于典型的「以项目为主、八股为辅」的二面风格。
快手 AI 全栈二面凉经
快手 AI 全栈二面凉经。开局拷打项目,随后问到 @Transactional 注解参数的失效时机、MySQL 可重复读隔离级别对幻读的解决程度、Redis 大 key 的判定与处理、MySQL 主从复制,最后是一道 AI Coding 场景题,要求从产品视角配合 AI 定功能并实现和测试。
快手 AI 全栈一面(发券营销):Agent 可观测性与线上排查
快手 AI 全栈一面(发券营销),9 月 24 日:围绕 Agent 可观测性、用户反馈答案不满意时的归因排查、Redis 分布式锁的可靠性、MCP 的适用场景与一次主站故障的定位恢复展开。
快手 AI Infra 一面面经:Attention 算子优化、prefill 与 decode 调度及量化
快手 AI Infra 一面面经:围绕 Attention 重构与模型部署追问,考察 Triton 算子、profile 与 Roofline 分析、prefill 与 decode 调度、线性注意力,以及 AWQ 与 W8A16。
快手 AI Infra 一面面经(同场重复投稿):Attention 算子优化、prefill 与 decode 调度及量化
快手 AI Infra 一面面经(同场重复投稿,题目与另一篇相同):围绕 Attention 重构、Triton 算子、profile 与 Roofline、prefill 与 decode 调度、线性注意力、AWQ 与 W8A16 追问。
快手 AI Infra 算法岗二面面经:分布式训练与推理、高并发系统设计
快手 AI Infra 算法岗二面面经:从分布式训练解决的问题、流水线并行的实现逻辑与短板,问到分布式推理的痛点、离线推理的吞吐优化手段、时延与吞吐的关系,并追问组 batch 重构会不会引入训练或推理的随机性;后半段转向 Java/MySQL 基础与 12306 高并发架构设计,手撕链表两数相加。
快手后端开发一面面经
快手后端一面面经,项目深挖占据主要时间,基础题覆盖Java集合与并发、MySQL事务索引、Redis数据结构和缓存问题,手撕合并区间。
快手后端开发AI岗位面经
快手 后端开发一面面经(9.28):Agent 架构、LLM 评测与 KV Cache 深挖
快手后端开发一面面经,9 月 28 日。围绕实习与 Agent 项目追问多 Agent 取舍、MCP 与本地 CLI 的区别、Agent 可观测指标、LLM as a judge 的取舍、代码知识库为何不用图,以及 KV Cache 复用、QPS 优化与零拷贝;手撕最小覆盖子串。
快手电商后端实习一面凉经
快手前端(电商)二面无项目拷打版
快手电商前端二面面经,题目集中在 React 原理:单向数据流的优缺点、useMemo 与 memo 的区别、useEffect 与 useLayoutEffect 执行顺序、SSE 原理与低版本兼容,手撕同步 localStorage 的 Hook。
快手电商 大模型应用开发一面:内容被 AI 引用、投放归因与现场 AI Coding
快手电商大模型应用开发一面面经,9 月 22 日。围绕 AI 搜索内容投放深挖真实访问与 API 采集的差异、渠道入口归因、投放平台筛选、内容被 AI 引用的优化与量化指标,另有 Go 技术栈与现场浏览器导航助手 Coding。
快手电商 大模型应用开发二面:To C 与 To B 视频 AIGC 平台的现场实现
快手电商大模型应用开发二面面经,9 月 28 日。主体是现场 AI Coding:视频 AIGC 开放平台的题目背景、To C 与 To B 是否同平台、现场实现程度与分层,以及 Prompt、模型调用与测试脚本怎么处理。
快手 Feed 团队后端实习一面(约50分钟)
快手 Feed 团队后端实习一面记录,约 50 分钟以上,无压力面,全程围绕实习项目深挖、对 AI Coding 的理解与使用和一道 ACM 模式算法题(LC21 合并两个有序链表),0 八股,附完整流程、ACM 模式踩坑点与复盘建议。
快手 Feed 团队后端实习二面面经(25min)
快手 Feed 团队后端实习二面 25 分钟,无手撕、无八股:为什么不继续上一段实习、对高并发有什么理解、对 AI 有什么了解和有没有用 AI 解决实际问题、你的优点是什么,最后是反问;面试官反馈需要加强对 AI 的理解,结果一周内出。
快手商业化前端面经:React Hooks 与事件循环
快手商业化前端面经,36 分钟。React 部分问 hooks、useRef 与 useState 区别及 setState 输出题;浏览器部分问状态码、协商缓存与事件循环;AI 问 MCP 与 tools 的关系,最后手撕求树深度。
快手前端一面(RAG 链路与 AI Coding)
快手前端一面面经,题目围绕 AI 链路展开:DFS 实时循环与成环、为什么选 pgvector、BM25 与 RRF 融合、多 store 分片、解析缓冲与渲染缓冲、节奏控制、SSE 不完整行处理;AI Coding 环节本想自己下载题目,结果 AI 直接把题做完。
快手 Java 二面面经(9.17)
快手 Java 二面记录,面试时长 90 分钟且几乎每题都追问到底。覆盖手撕 LRU、Bean 生命周期、AOP 实现、线程池拒绝策略、HashMap 并发问题与扩容死锁、volatile 原理、垃圾回收与引用计数、MySQL 索引结构选型、Redis AOF 持久化机制。
快手 Java 一面:线程池隔离、发券幂等与分片扩容
可灵平台开发岗位的一面,围绕实习中的并发聚合、内存治理追问,再讨论千万请求发券、消费幂等和分片扩容,手写 LRU。
快手日常一面:面向对象、ConcurrentHashMap 与 AQS 三十二问
快手日常实习一面,时长 1 小时,前半小时几乎全部围绕面向对象本质与 Java 并发包展开:面向对象与面向过程的区别、抽象和继承到底是不是一回事、汽车该用继承还是抽象、ConcurrentHashMap 的数据结构与线程安全细节、并发成环、synchronized 锁升级、AQS 的 CLH 队列为什么必须双向、ThreadLocal 内存泄漏、请求上下文透传,最后落到项目完整数据链路与 MongoDB 的过期机制。
快手 Java 开发日常实习一面凉经(商家技术电商)
快手商家技术电商方向 Java 日常实习一面,几乎全程围绕 AI coding 项目追问:分布式脚本执行服务的实现思路、从 0 到 1 用 harness 手段保证 AI 生成代码的质量、十万行规模项目的迭代质量保障、上下文工程与工具调用可靠性,另有一道线上 CPU 打满的排查题和一道业务线推广的架构设计题。
快手可灵策略梯度岗一面:强化学习算法与论文深挖
快手可灵(视频生成团队)策略梯度岗一面记录,先对两篇论文和实习经历做深挖,再问主流强化学习算法的区别、GAE 与 Diffusion Model、RLVF,以及 GRPO 具体存在什么问题,手撕是切分披萨数,可用 DP 或 DFS 加记忆化搜索。
快手大模型应用开发二面:Agentic RL 与 RAG 全链路
快手大模型应用开发二面:中段集中考 Agentic RL 的信用分配、PPO 的 Clip 与 KL 约束、GRPO 为何省掉 critic;其余覆盖 Agent 架构、RAG 切分与混合检索、幻觉归因、记忆冲突与 SSE 断点续传。
快手支付测试开发一面:Java 基础、并发与 AI Coding
快手支付测试开发一面面经,时长约 1 小时、全程无手撕但含 AI Coding 环节。基础知识考察 Java 容器、并发与进程线程区别、线程池、MySQL 索引与 Redis 缓存;实习部分围绕用户意图识别、工具路由出错、JSON 动态工具注入的非法参数死循环与上下文压缩的数值精确性展开。
快手测试开发实习一面:购物车高风险场景与 AI 用例治理
快手测试开发实习日常一面面经,题目集中在购物车高风险场景设计、数量接口请求乱序与幂等测试、AI 生成用例的规则溯源治理、灰度单节点缺陷定位,以及 Kafka 遥测链路的端到端验证。
快手-后端-8.20一面(已过,终于开始连续通过面试了)
快手Java后端开发工程师面试记录,覆盖Java、并发、数据库、面试经验等考点,整理了面试流程与高频问题。
8.26 快手ai应用服务端开发
快手Java后端开发工程师面试记录,覆盖Java、AI应用、MCP、面试经验等考点,整理了面试流程与高频问题。
8.26-秋招-快手后端一面
快手Java后端开发工程师面试记录,覆盖Java、算法、AI应用、Go等考点,整理了面试流程与高频问题。
快手 AI应用开发 一面
快手Java后端开发工程师面试记录,覆盖Redis、MySQL、Kafka、AI应用等考点,整理了面试流程与高频问题。
分享|4年经验面快手电商,三轮技术面全过,HR面谈崩了
快手Java后端开发工程师面试记录,覆盖Java、Redis、面试经验、后端开发等考点,整理了面试流程与高频问题。
快手一面八股拷打,在现场被问麻了。。
快手Java后端开发工程师面试记录,覆盖Java、JVM、并发、面试经验等考点,整理了面试流程与高频问题。
快手大模型应用Java实习一面面经,8.17日面
快手Java后端开发工程师面试记录,覆盖Java、Redis、Kafka、AI应用等考点,整理了面试流程与高频问题。
快手中间件研发工程师一面
快手中间件研发工程师一面,覆盖项目优化、熔断发布、etcd、哈希环、MySQL 与 Redis 持久化、Go GMP 和网络拥塞控制。
快手实习-直播ai产品面经
快手AI产品经理面经,原帖记录了面试中的核心追问,重点涉及AI产品、Agent、实习、产品经理等内容,适合准备相关岗位面试时参考。
快手产品(智能客服)实习一面凉经
快手产品经理面经,原帖记录了一面中的核心追问,重点涉及AI产品、RAG、项目深挖、实习等内容,适合准备相关岗位面试时参考。
快手广告策略产品 -- 一面面经
快手策略产品经理面经,原帖记录了一面中的核心追问,重点涉及数据分析、实习、产品经理等内容,适合准备相关岗位面试时参考。
快手后端(ai方向)日常实习面经(一面挂)
快手AI算法工程师一面面经,考察Java、LLM等核心知识点。包含真实面试题目与解析,适合准备AI算法工程师面试的求职者参考备考。
快手后端开发实习生一面面经
快手后端开发实习生一面,围绕Agent项目的长期记忆架构、向量检索与关键字检索原理、ReAct实现,以及Redis、JVM内存、MySQL慢SQL排查等基础展开。
快手后端实习生二面面经
快手后端实习生二面面经(2026.6.16),AI工程方向重点考察大模型选型、Prompt缓存命中优化、上下文管理、RAG应用场景及RAGAS评测指标;Java侧考察JVM内存区域与静态变量存储位置;另有分布式发号器与停车场系统设计场景题。
快手Java后端一面面经
快手Java后端一面面经,算法二选一(最长无重复字符子串/删除链表倒数第k个节点),八股重点考察MVCC原理、事务隔离级别、索引失效场景、慢SQL优化、RabbitMQ消息路由与持久化,以及Spring循环依赖的解决方式。
快手26届Java后端春招三面面经(2026)
快手26届Java后端春招三面+HR面经,技术考点覆盖并发工具(CountDownLatch/Semaphore/Future)、ConcurrentHashMap原理、JVM垃圾回收与FullGC排查、MySQL聚簇索引,三面侧重系统设计:实验平台分流、短链接生成、推荐系统多路召回设计。
面经分享 攒人品
快手前端开发工程师一面面经,考察Java、消息队列、Spring等核心知识点。包含真实面试题目与解析,适合准备前端开发工程师面试的求职者参考备考。
4.3 快手Java一面
快手软件开发工程师一面面经,考察Java、MySQL、消息队列等核心知识点。包含真实面试题目与解析,适合准备软件开发工程师面试的求职者参考备考。
快手后端一面面经
快手后端开发一面面经,面试官深入考察Java基础与计算机底层原理。重点涵盖Redis集群机制、HashMap底层原理、Java线程同步与锁机制、JVM内存模型与进程退出条件、操作系统任务调度及虚拟内存,并考察算法题B树子树判断。
快手Java开发实习生(商业化)一面面经
快手商业化方向Java实习一面面经(2026.5.22),AI侧考察MCP与Function Calling的区别及LLM幻觉成因,Java侧深挖ConcurrentHashMap锁升级原理、MySQL MVCC在读已提交与可重复读下的差异、B+树索引实现,以及Redis分布式锁与缓存穿透雪崩方案,附环形链表II算法题。
快手27暑期AI后端开发一面面经
快手27届暑期实习AI后端开发一面面经。面试涵盖项目难点、Redis与MySQL一致性、ShardingJDBC分库分表、Spring Event、Java并发容器及线程池原理,并考察有序链表删除重复节点的算法实现,适合后端开发备考参考。
快手后端开发实习一面面经
快手后端开发实习一面面试题解析,涵盖项目架构设计、Java八股文、LangChain与LangGraph核心机制、向量数据库Milvus索引、大模型LoRA微调及vLLM原理。适合准备高阶后端及AI应用开发岗位的候选人复习参考。
快手后端开发实习二面面经
快手后端开发实习二面面经分享。面试重点围绕大模型应用落地,涵盖Milvus向量数据库选型、LangChain/LangGraph框架对比、模型评测、SFT与RL算法对比,以及MySQL锁机制与链表排序算法题。适合准备AI相关后端开发职位的同学复习参考。
快手Java后端一面面经
快手Java后端一面面经,考察核心技术涵盖Redis缓存击穿、分布式锁、MySQL索引优化、MQ消息积压处理、高并发超卖场景等。分享AI视频平台项目架构细节及异常处理兜底策略,适合准备高并发后端面试的候选人参考。
快手Java后端开发暑期一面凉经
快手招聘房产部门Java后端开发一面面经,面试时长1小时,全程围绕项目展开,涵盖微服务DDD架构、双拦截器机制、AOP、雪花算法改进、Redis与DB一致性、缓存三大件、Kafka与RocketMQ对比,手撕SQL聚合查询与合并K个有序链表算法题。
快手Java后端二面面经
快手Java后端二面经验分享。面试重点考察数据库性能稳定性、Redis数据丢失场景及高可用配置、分布式锁实现机制(Lua vs SETNX)。同时涵盖数组二分查找算法题。本文解析了相关技术难点,助你备战互联网大厂面试。
快手-Java开发工程师-一面面经
快手Java开发工程师一面面经,重点考察数据库范式设计、MySQL索引与事务隔离级别、RAG向量检索技术及二叉树序列化算法。本文深度解析了数据库表关联优化及面试准备方向,助力校招后端开发者提升面试技能。
快手Java日常实习一面面经
快手Java日常实习一面面经,时长35分钟。面试官重点考察了Java基础、JVM运行时数据区、JUC并发编程、线程池核心参数与执行流程、Redis持久化机制及线程模型,并结合实习经历进行项目深度交流。
快手 Java 暑期实习一面
快手 Java 后端暑期实习一面,共 30 分钟,涵盖 Caffeine+Redis 两级缓存一致性、乐观锁并发处理、Kafka 幂等性、synchronized 锁竞争、Spring 事务失效、SQL 索引失效、三叉树 BFS 等核心考点,适合备战大厂 Java 实习面试。
快手后端开发一面面经
快手后端开发一面面经,重点考察AI Agent项目实践、RAG技术链路及Java基础八股。涉及Redis高性能原理、MySQL联合索引与最左匹配、ThreadLocal内存泄漏、Synchronized与ReentrantLock区别,以及手撕算法:最长回文子串。
快手电商后端一面面经
快手电商后端一面面经,涵盖Java异常体系、Object类方法、hashCode与equals规范、wait/notify与Thread.sleep区别、深浅拷贝、反转链表II算法、Redis分布式锁实现、MySQL原子性保证,以及RAG系统设计与向量化概念,适合Java后端求职备考参考。
快手Java后端一面面经
快手Java后端一面面试经验,主要考察Java基础(反射、AOP、JMM)、Redis应用(分布式锁、限流、会话管理)、RocketMQ消息可靠性与延迟消息、以及AI领域相关技术(Function Calling与MCP)。含LC215算法题及面试官评价。
快手后端Java开发二面面经
快手企业事务部门Java后端开发二面面经,面试时间2026年3月。重点考察AI Agent项目经验,涵盖RAG流程与选型、幻觉优化、Redis瓶颈分析、RabbitMQ消息队列原理,以及LangChain4j框架选型等核心技术点,无Java八股和手撕算法,整体体验良好。
春招快手Java一面面经
快手Java开发春招面试,重点考察实习经历与项目背景,涉及Spring AOP技术细节、AI相关应用及算法题螺旋矩阵。通过本次面经总结,帮助求职者掌握面试流程、应对突发技术状况及重点八股复盘。
快手杭州电商大模型应用Java一面面经
快手杭州电商部门大模型应用开发岗位一面面经。重点考察RAG知识库架构、Function Calling机制、向量数据库对比及高性能并发场景处理。涵盖Java线程池原理、秒杀系统设计及RAG优化路径,适合大模型后端开发求职者备考。
快手大模型应用Java二面面经
快手大模型应用开发岗位二面面经,重点考察Spring AI Alibaba框架应用、RAG检索优化策略、向量数据库索引算法、Java集合框架及设计模式。面试官深入探讨了AI辅助编程的局限性及行业趋势,并包含手撕算法环节,适合准备大模型相关Java开发的求职者参考。
快手杭州电商大模型应用Java一面面经
快手杭州电商大模型应用开发一面面经,重点考察RAG架构设计、Function Calling机制、向量数据库选型及秒杀场景下的Redis Lua脚本应用。此外涵盖Java线程池核心原理及大规模知识库系统架构设计。
快手大模型应用Java二面面经
快手大模型应用开发岗位二面面经,考察重点包括Spring AI Alibaba框架应用、RAG优化策略(如索引算法、检索与召回)、Java集合框架继承体系、设计模式及其在源码中的应用,以及大模型辅助编程的局限性探讨,最后考察了并查集算法。
快手产品经理面经合集:商业化广告、内容生态与实习面试真题
一篇合集贴整理了快手产品经理岗的多场面试:2025 年 10 月 15 日的实习面围绕岗位优势、内容运营策略、内容价值评估与热点响应;同日另一场产品面覆盖风险预判、用户体验设计、需求衡量与跨部门协作;10 月 12 日的商业化实习面追问项目成果、需求 delay、商业化产品能力、广告数据指标、SQL、快手与抖音的差异、短剧市场,以及广告加载率见顶与新用户留存下滑两个业务题;9 月 22 日的校招业务面则集中在 QCPX 机制的理解、优化策略、增量原理与增长路径。