腾讯
共 159 篇面经 · Agent 开发 / AI 全栈 / 后台开发(日常实习) / 后台开发(混元) / 后台开发(暑期实习)
腾讯 Agent 开发一面:RAG 链路、Agent 模块与 MCP 的区别
腾讯 Agent 开发一面备考题单:RAG 从上传文档到返回答案的完整链路、解析分块与只允许单文件的原因、向量召回耗时与 Rerank 评估,以及 Agent 核心模块、最大步数与 Plan、MCP/Function Call/A2A 的区别。
腾讯 Agent 开发一面:LangGraph 编排、KV Cache 与审核链路
腾讯 Agent 开发一面明显偏项目实践:先问为什么组合 LangChain 与 LangGraph、系统如何判定生成方案不合格并把审核结果反馈回执行链路、建了哪些可观测能力;再深挖主 Agent 向子 Agent 传递哪些上下文、压缩是自研还是框架能力、Token 优化与 KV Cache 命中、Skill 折叠后对缓存复用的影响、Skill 与工具的映射关系,最后问模型选型、独立评测、缓存失效导致费用上升如何定位,以及生成与审核同模型时的共同盲点。
腾讯 AI 全栈 HR 面面经:动机、稳定性与游戏后端方向确认
腾讯 AI 全栈 HR 面 50 分钟:自我介绍、成就感、学习方法、分歧处理、游戏服务器后端与互联网后端的区别、岗位方向一致性、家庭与城市偏好、薪资与到岗时间,结尾反问。
腾讯 IEG 后台开发 一面:近两小时,从秒杀链路问到 Full GC
腾讯 IEG 后台开发日常实习一面 1 小时 40 分:逻辑过期与分布式锁防击穿、秒杀异步下单与 P99 排查、翻转链表前后半段、AI Coding 限流、TCP 状态机与 SET NX EX 的三个坑。
腾讯混元后台二面备考题单:任务调度的一致性、优先级与缓存穿透
一篇按腾讯混元后台二面节奏整理的模拟备考题单,不是实际面试记录。作者围绕任务调度与缓存准备了三类问题:队列管理数据不一致怎么定位修复、离线任务调度怎么组织、高优先级任务来了但没有空闲资源怎么办,以及缓存穿透的处理与边界。回答主线是「消息确认不等于业务只执行一次」,要单独画失败时间线。
腾讯暑期实习后台开发一面:HashMap 死循环、元空间与 RAG 索引追问
腾讯暑期实习后台开发一面:手撕「无重复字符的最长子串」,Java 八股从 JDK 17 选型问到 HashMap 哈希冲突与并发死循环、ConcurrentHashMap 的实现、线程共享与独占内存、元空间升级背景、虚拟机栈与本地方法栈为何分开、内存泄漏场景;项目侧追问 RAG 解决什么问题、Faiss 索引与规模、倒排索引命名由来与文本切分。
腾讯日常实习二面:两道手撕、一个项目 Case 与 Redis 热点到 Kafka 消费组
腾讯日常实习二面:两道手撕(被三整除求最大和、数组中重复的数据),然后要求讲一个最有技术挑战性的完整 Case(背景、方案思考、落地效果),接着连问 Redis 集群架构、热点 Key 现象、大 Key 拆子 Key 的具体做法、普通热点 Key 除了本地缓存还有什么方案、如何把读请求打到从节点、读写分离之后负载仍不均衡怎么解,最后问 Kafka 高吞吐的原因、Consumer Group 的概念与 Topic / 分区 / 消费者的消费关系。
腾讯客户端开发三面:场景题与源码关键路径的答法
这篇帖文以三面复盘的形式整理场景题与源码追问的作答思路:面试官不会停在「是什么」,而是接着问「你会怎么做」——高并发下的库存与幂等、接口 RT 飙高与 CPU 打满的排查、百万数据导出如何避免 OOM、发布如何做到无损,并要求能讲清源码里的关键路径,用以支撑方案为什么成立。
腾讯客户端开发三面:性能、稳定性与架构取舍
客户端三面的追问整理:从项目架构与模块边界,到启动速度、卡顿、内存与包体积的优化方法,再到崩溃治理、弱网体验、跨端方案选型与线上灰度,重点在能量化收益、说清代价。
腾讯内容运营实习三面:从 800 万播放的作品问到 IP 二创与语速
腾讯内容运营实习三轮 53 问。一面问账号是 16 万粉还是 0-1 起号、800 万播放那条的创意、为何在 B 站抖音搜不到账号、AIGC 工具水平与 PR、剪映、PS;二面聚焦起号、完播率与互动率、IP 二创的流量潜力;HR 面追问爆品逻辑、数据佐证与语速。
腾讯数据工程一面:面向 Agent 的知识库、电商信息 Agent 与 AI 后的数据研发
腾讯微信电商数据团队一面(11.19):3 道 SQL 与 1 道算法题之后进入项目,围绕把 AI 接入数据链路后遇到的问题追问——Agent 知识库与 Memory 配置不足、多 Agent 自动校验的尝试,再让设计一套电商信息 Agent,并讨论 AI 普及后数据研发的工作重心变化。
腾讯游戏安全后台开发一面(已挂):Python 脚本怎么在操作系统里跑起来、Agent 原理与 Spring Boot 路由
腾讯游戏安全后台开发一面,一小时左右、46 问,最终挂在一面。开场确认实习时间与语言栈后,先从操作系统进程角度追问「起一个 .py 脚本到底怎么执行」、解释器与 JVM 和进程的关系,再深挖二手车关键词意图路由(规则怎么维护、为什么不全用大模型、命中率多少、用什么方法匹配)、DCI 问答与 Pi agent 的消融实验,接着问 Agent 工作原理、工具在哪执行、模型怎么知道有哪些工具、token 怎么生成与何时停止、EOS 怎么产生、KV Cache、无状态请求为什么能记住上下文,最后是进程启动、FastAPI 是什么、Spring Boot 一个 HTTP 请求如何路由到业务代码,并连续追问「如果让你实现这套路由机制会怎么做」。
腾讯混元 AI Infra 一面:TP 切分与集合通信、DP/PP/CP 对比、QQ 空间推荐链路编码
腾讯混元 AI 推理团队一面:全程围绕大模型分布式并行层层追问,从张量并行的列并行与行并行切分、QKV 与 FFN 的落地方式,到 All-Reduce/Reduce-Scatter/All-Gather 的通信量计算,再到 DP、PP、CP 的适用场景与工程难点,最后是一道 QQ 空间好友动态推荐链路的工程编码题。
腾讯混元 AI Infra 一面:TP 切分与集合通信、DP/PP/CP 对比、QQ 空间推荐链路编码(同场重复投稿)
腾讯混元 AI 推理团队一面:全程围绕大模型分布式并行层层追问,从张量并行的列并行与行并行切分、QKV 与 FFN 的落地方式,到 All-Reduce/Reduce-Scatter/All-Gather 的通信量计算,再到 DP、PP、CP 的适用场景与工程难点,最后是一道 QQ 空间好友动态推荐链路的工程编码题。
腾讯 IEG 二面:项目深聊加一道全排列
腾讯 IEG 二面记录:对着简历讲一遍,十五分钟聊实习与项目,没有八股,一道全排列两分钟写完,全程二十分钟结束,面完十分钟后收到 HR 面通知。
腾讯 IEG 日常实习一面:对折链表、进程线程协程与 AI 开放题
腾讯 IEG 日常实习一面,16 个问题:一道对折链表手撕,进程 / 线程 / 协程的本质区别与通信方式、多进程与多线程的选型场景,一道复合索引命中判断题并追问了部分命中的原因,线上 Java 服务频繁 GC 的排查思路,以及几道偏开放的 AI 题——用 Agent 爬取游戏全量信息到技能与伤害粒度、如何让 AI 高质量完成开发任务、如何看待 AI 替代程序员。
腾讯 WXG HR 面:实习收获、自我评价与职业规划
腾讯 WXG 公众号方向 HR 面面经:11.4 面试、时长 40 分钟,先自我介绍,然后围绕实习经历做了什么、有什么收获、未来的规划,以及给自己实习期间打分、说自己的优点和缺点、是个什么样的人。
腾讯前端一面秒挂:XSS、CSRF 与 Vue 响应式被追问到原理层
腾讯前端一面从第一个问题起就是深挖:XSS 与 CSRF 是什么、Vue 响应式怎么做、为什么 Proxy 更好。帖主答出基础八股后仍被继续追问,面试官直接评价「基础太差、要求去学原理」,全程没有手撕,压力很大。
腾讯混元 AI Infra 一面:张量并行/数据并行/流水线并行的连续追问
腾讯混元 AI Infra 一面题单:从张量并行的权重切分切入,连续追问 Linear/Attention/FFN 的行列并行与通信阶段、QKV 与多头注意力的切分方式、为什么 FFN 用列并行加行并行的组合、并行规模与加速比的瓶颈、All-Gather/Reduce-Scatter/All-Reduce 的通信量计算、如何判断训练进入通信瓶颈,再对比数据并行与张量并行的本质差异与扩容选择、流水线并行的 Stage 切分与 Bubble 优化、流水线对推理延迟的影响、上下文并行如何处理超长序列的跨卡 Attention,最后一道是 QQ 空间好友动态推荐的设计题。
腾讯混元 AI Infra 一面(同场重复投稿):张量并行/数据并行/流水线并行的连续追问
腾讯混元 AI Infra 一面题单(与同批另一帖内容相同,属同场重复投稿):从张量并行的权重切分切入,连续追问 Linear/Attention/FFN 的行列并行与通信阶段、QKV 与多头注意力的切分方式、为什么 FFN 用列并行加行并行的组合、并行规模与加速比的瓶颈、All-Gather/Reduce-Scatter/All-Reduce 的通信量计算、如何判断训练进入通信瓶颈,再对比数据并行与张量并行的本质差异与扩容选择、流水线并行的 Stage 切分与 Bubble 优化、流水线对推理延迟的影响、上下文并行如何处理超长序列的跨卡 Attention,最后一道是 QQ 空间好友动态推荐的设计题。
腾讯 AI 面拆解:先让你勾技术栈,再按你勾的出题
把站内十几份腾讯 AI 面帖横着过了一遍后的机制拆解:四段式流程里第二段的选择题决定了后面出什么题,单题节奏是 30 秒思考 5 分钟作答,第四段紧贴第三段追问,题量十到十六道;同时整理了规则(投屏与小程序的监控、必须用 Chrome、换题机会只有一次)和两套可执行的准备动作。
腾讯算法岗面经合集:推荐样本、多目标优化与特征交叉
腾讯算法岗两场面试合集:2026 年 4 月 12 日那场围绕推荐项目一路追到底——数据集介绍、文本评价、所用特征、编码与训练方法、正负样本的定义与比例、训练数据规模与耗时、embedding 初始化,再问多目标优化模型并手撕颜色分类;2025 年 12 月 15 日那场考最长递增子序列的变种、手撕二叉树公共祖先,并追问对特征交叉类模型的了解程度。
腾讯后端开发岗面经:Java 并发、JVM 调优与 MySQL 索引
腾讯后端开发岗面经(2025-09-28 场):先从做过的 Java 后端项目切入,追问核心架构、高并发下如何保证性能与稳定性、数据库压力下的瓶颈与优化、本人负责的模块与最难的坑;接着是 Java 并发与集合八股——JMM 的可见性/有序性/原子性、volatile 与 synchronized 的区别与底层实现、HashMap 的底层结构与 JDK 8 引入红黑树的原因、ConcurrentHashMap 从分段锁到 CAS + 红黑树、线程池参数与拒绝策略,还有线上 OOM 与频繁 Full GC 的排查经历;数据库问 MySQL 索引为什么是 B+ 树而不是 B 树,以及索引失效的几种情况。
腾讯后端开发面经合集:HTTP 长短连接、微服务服务发现与 RPC 框架设计
腾讯后端开发三场面试合集,时间为 2026 年 9 月 23 日至 26 日,面试岗位分别是后端开发岗、IEG 后端开发工程师和 TEG 后端开发工程师:手撕考了字符串压缩解压缩、交替打印奇偶数和矩阵对角线 Z 字形遍历;八股集中在 HTTP 长短连接、Java 框架、负载均衡方法、微服务服务发现与注册中心高可用、自研 RPC 框架、线程池与消息队列设计,TEG 那场还追问了论文创新点、原码反码补码和一道 QQ 号去重题。
10.14 腾讯后台开发一面:设计带过期时间的缓存与两道手撕
腾讯后台开发一面面经:要求设计一个支持设置过期时间的缓存系统,追问 key 过期后如何清理、续期与删除冲突怎么解决,另有双机位手撕三道 LeetCode 变体(人口最多的年份、每日温度),作者标注后续已挂。
腾讯 一面(C/C++ 算法题为主)
腾讯一面面经:先问个人信息,随后做三道算法题(要求 C/C++)——区间合并、镜像二叉树判断、以及一道「n 个位置种 m 种花、相邻不同品种」的计数 DP,最后询问技术栈。
腾讯 CSIG 后训练实习一二面面经:从位置编码到 PPO 与 GRPO
腾讯 CSIG 后训练岗日常实习一、二面共 18 道题:一面考位置编码演进(绝对位置编码到 RoPE 及后续优化)、视频 VLM 的帧采样与时序建模、多模态输入编码差异、长文档与超大分辨率适配、推理超参、SFT 与 RL 的特性与业务场景、数据飞轮、稀疏 Attention 和量化;二面考 RL 熵值与 KL 监控、KV Cache 原理与显存优化、vLLM 与 SGLang 加速机制对比、PPO 与 GRPO 的细节差异、VLM 训练阶段与业务指标归因。
腾讯 CSIG 业务后训练日常实习一二面:大模型与 RL 高频深挖
腾讯 CSIG 业务后训练日常实习一面二面记录:一面围绕位置编码演进、视频 VLM 的帧采样与时序建模、Qwen2-VL 与 Qwen3.5-VL 编码差异、超大分辨率与长文档适配、推理超参、SFT 与 RL 的适用场景、数据 Pipeline、稀疏 Attention 与模型量化;二面深挖 RL 训练监控指标、KV Cache 与显存优化、vLLM 与 SGLang 的加速机制差异、PPO 与 GRPO 算法细节、RL 三核心以及 VLM 全流程训练与指标归因。
腾讯 WXG 数据工程面经:408 基础被逐条追问
腾讯 WXG 数据工程岗面经:面试重心落在 408 基础(操作系统与计算机网络)上,从考研之后就没再看的那些内容被逐条追问,反而数据开发方向的八股和项目问得不多;作者判断今年秋招仍以实习转正为主。
腾讯娱乐测试开发面经
腾讯娱乐测试开发面经(约 40 分钟):自我介绍与学校情况、实习经历深挖、项目难点、操作系统与网络七层模型、Python 与 Java 的差异、Python 注解、性能测试的工具与理解。作者还总结了「先问基础知识还是先问项目」在面试官心态上的差别。
腾讯混元 AI Infra 一面
腾讯混元 AI Infra 一面面经,围绕大模型训练的四种并行展开:TP 的切分维度与通信、集合通信量怎么算与何时判定通信瓶颈、DP 与 TP 的取舍及训练与推理的差异、PP 的 Stage 划分与 Bubble,以及 CP 在长上下文场景下的跨卡 Attention。
腾讯 IEG 后台开发一二面:IO 多路复用、粘包拆包与 CLOSE_WAIT
腾讯 IEG 后台开发一二面记录:一面以实习与常规八股为主(IO 多路复用的区别、TCP 与 UDP、Go map 是否并发安全、手撕字符串加法、现有 offer 与反问);二面深挖项目(TCP 粘包拆包、短连接为什么不会耗尽资源、C++ 多重继承向上转型的指针地址变化、字节实习用什么 AI、AI 辅助编程的问题与缓解),全程无手撕,三天后约二面。
腾讯大模型算法面经合集:标签映射、语义模型训练与 Agent 编排选型
腾讯大模型算法两场面试合集(2026 年 9 月 28 日、10 月 2 日):第一场围绕项目里的描述到标签映射展开,追问难点、排序优化、向量相似度混淆、语义模型结构与训练方式,并深挖准确率定义、测试集构造与评分方式、评测是否覆盖工具调用过程,再问为什么选 Plan-and-Execute、为什么不直接用标准工作流、MCP 与 REST API、Function Calling、Skills 文档的区别;第二场以实习经历、团队研发流程、性能优化思路与 Skill 构建为主,穿插三道手撕。
腾讯大模型算法岗一二面面经
腾讯大模型算法岗一二面记录:一面考注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO,并手撕多头注意力;二面考多工具 Agent 训练、rollout 奖励与 LLM Judge 评估。
腾讯大模型算法岗一二面面经
腾讯大模型算法岗一面二面面经:一面考多头注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO;二面考多工具 Agent 的 SFT、rollout 奖励与端到端时延归因。
腾讯 大模型算法一面二面:GRPO 的信用分配、Agent RL 为什么训崩与蒸馏的边界
腾讯大模型算法一二面:一面深挖 Agentic RL 的训练崩溃、GRPO 的信用分配与 DAPO 的改动,二面追问 GAE、Reward Hacking 检测与在线策略蒸馏能否替代 RL,最后手写流式图像差异的最小包围矩形。
腾讯多模态算法岗一二面面经
腾讯多模态算法岗一面二面的另一份记录:一面考论文与数据集构建、Adapter 与 LoRA、Qwen2.5-VL 架构、SAM 系列演进与开放场景题;二面考 SAM3 训练与文本数据集构建、CLIP、门控、权重初始化与 token 概率计算。
腾讯多模态算法岗一二面面经
腾讯多模态算法岗一面二面记录:一面从论文研究背景与数据集搭建切入,考到 LoRA 与 Adapter 原理、Qwen2.5-VL 架构、SAM 系列差异、RAG 与开放场景追踪设计;二面深挖 SAM3 训练流程、CLIP、门控机制、LoRA 初始化细节,并追问业务与职业规划。
腾讯 PCG 安全技术岗实习一面面经
腾讯 PCG 安全技术岗实习一面,围绕简历里的乙方渗透实习和科研成果展开:OWASP Top 10 漏洞讲解、邮箱登录框只能盲注的原因、SQL 注入防护与预编译的局限、越权与业务逻辑漏洞的挖掘思路、代码白盒审计方法,以及 AI 安全与日常工具的使用情况,末尾是反问环节。
腾讯搜狗输入法秋招二面面经:智能指针、lambda 与字符串大整数乘法
腾讯搜狗输入法秋招二面面经:面试以实习经历为主,八股只问了智能指针的使用场景、lambda 与函数指针的性能对比,手撕字符串大整数乘法;其余问题集中在工程素养上——怎么保证 AI 写代码的输出可靠、怎么设计测试用例、用 Agent 遇到过什么问题,以及 AI 会不会取代程序员。
腾讯 WXG 一面面经:白板 coding 与场景设计(90 分钟)
腾讯 WXG 微信开放平台一面面经,全程 90 分钟:先限时 40 分钟在记事本里白板 coding,考小顶堆、单调栈、最大二叉树和 0/1 字符串最大子集,随后深挖实习项目,追问协程与线程进程的区别,以及「查看附近的人」在演唱会这类高密度场景下的设计。
腾讯测试开发面经合集:网络协议、Python 注解与性能测试
腾讯测试开发两场面试合集(2026 年 8 月 19 日、10 月 9 日):第一场面试岗位是测试开发岗,问操作系统、网络传输协议与网络七层模型怎么理解,Python 和 Java 的区别感受、Python 中的注解,以及性能测试做过没有、用过哪些工具、怎么理解性能测试;第二场是腾讯云测试开发工程师,从项目经历开始(原帖此处中断)。
腾讯 WXG 后端一面:三道算法题开场——IP 与端口打包、分段反转链表、16 位随机数抽 1 万中奖者
腾讯 WXG 后端二战一面开场连甩三道算法题:把 IPv4 与端口打包进 64 位整数并输出十进制、分别反转单链表前后半段(奇数长度中间节点不动)、用 16 位随机数从 30 万员工里等概率抽 1 万名;随后问实习、AI 编程原理、LLM 训练推理、RAG 与混合检索、搜索引擎与推荐系统架构、Redis 数据类型与跳表、大数据组件与消息队列。
腾讯 WXG 后台开发一面:两道 Hot100 变体题与项目连环追问
腾讯 WXG 后台开发一面,1 小时 40 分钟,开场两道 Hot100 的上位变体(课程表要输出所有拓扑序列、解压字符串多一个分隔符要处理),之后零八股、全程问项目。项目追问围绕一套 AI 面试系统展开:重复提交的幂等、租约节点挂掉后的双写、模型调用成功但结果没写库、长会话运行态重建与降级、面试状态机设计、LiteFlow 规则引擎链路、四类分布式锁的分工、冷热数据划分,再到 MongoDB/MySQL/Redis 的职责分工、单机 single-flight 与 Redis 高可用的关系、多模型兼容边界,以及对现有实现做上线风险与瓶颈评估;后半段转向 CodingAgent 的四层架构与 L1–L4 上下文压缩、长期记忆召回,横向对比 Claude Code 与 Codex CLI 的记忆体系,最后落到大模型推理流程与幻觉成因。
10.28 腾讯 WXG 面委二轮:开源项目的加解密与 P2P 穿透
腾讯 WXG 面委第二轮:一小时围绕自讲项目难点追问,重点考开源项目的加解密方案、P2P 穿透实现和丢包处理。
腾讯 WXG 面委一面:WebSocket 鉴权、HTTPS 加密与 Kafka 语义
腾讯 WXG 面委一面不到 20 分钟:自我介绍后直接问开源项目,七道题覆盖为什么用 WebSocket 及其认证方式、HTTP 与 HTTPS 的差别、HTTPS 的加密过程、Kafka 如何保证至少一次、快排的时间复杂度与退化条件、以及 protobuf 的介绍,然后反问结束。
腾讯 WXG 微信读书一面面经
腾讯 WXG 微信读书一面,开场先手撕大数乘法,随后问 C++ 原子计数、coding agent 记忆、与 Claude Code/Codex 的区别、Agent 评测、容器迁移后的上下文、任务持续推进与行为漂移、模型能力不足时的工程补偿。
腾讯企业微信前端实习一面:XSS/CSRF、Vite 构建与 React Fiber
腾讯企业微信广州团队前端实习一面(2026-10-19,45 分钟腾讯会议):实习项目只做整体介绍没深挖,随后问 XSS 与 CSRF 的防护、Vite 开发与生产模式的差异、React Fiber、AI 编码占比,算法是带优先级的括号匹配变种。
腾讯 WXG 实习 一面(AI Agent 方向)
腾讯 WXG 实习一面面经:围绕 AI Agent 项目落地成果追问真实代码产出比例、Harness 选型、从需求到合入 PR 的全链路、需求拆解与审查模块自研与否,以及如何系统性校验生成代码的可用性与合规性;场景题涉及用 UI 设计稿让 Agent 自主校验还原度、RAG 召回相关性量化与多路融合重排;手撕二叉树路径总和与最长递增子序列(含 O(n log n) 优化)。
腾讯 WXG 实习 一面(另一份同场记录)
腾讯 WXG 实习一面的同场记录:同样围绕 AI Agent 项目的 Harness 选型与全链路流程、代码可用性与合规性校验、UI 还原度自动化验证方案、RAG 相关性量化与多路融合重排,以及 Computer Use 与 Playwright 的对比和一道团队 AI 提效方案设计题,手撕为二叉树路径总和与最长递增子序列。
腾讯 WXG 大模型算法暑期实习面经:强化学习、LoRA 与手撕 PPO
腾讯 WXG 大模型算法暑期实习面经:从论文与强化学习算法(GRPO、PPO、reward model)与马尔可夫决策过程切入,追问 bf16/fp16/fp32 的精度与计算、LoRA 微调细节与量化,随后是大段手撕——实现 PPO、推导 MDP 的 γ 阈值、估算 SFT 参数量与显卡利用率、判断相交链表,以及如何让全连接层输出子空间基底接近标准正交基。
腾讯 WXG 大模型算法暑期实习面经:强化学习、LoRA 与手撕 PPO
腾讯 WXG 大模型算法暑期实习面经:从论文与强化学习算法(GRPO、PPO、reward model)与马尔可夫决策过程切入,追问 bf16/fp16/fp32 的精度与计算、LoRA 微调细节与量化,随后是大段手撕——实现 PPO、推导 MDP 的 γ 阈值、估算 SFT 参数量与显卡利用率、判断相交链表,以及如何让全连接层输出子空间基底接近标准正交基。
腾讯 WXG 大模型算法岗三面:RL 理论连环追问
腾讯 WXG 大模型算法岗三面面经,面试官是 RL 出身,开场十分钟全是理论轰炸且要求公式推导与符号规范:Agentic RL 与 RLHF 的差异、GAE 与 λγ 取值、PPO Clip 与 KL 约束、DAPO、GRPO、DPO 与熵坍塌一路追问,再延伸到多轮 reward 设计、多模态融合与幻觉缓解,最后手撕图像差异最小包围矩形。
腾讯 WXG 测试开发一面:后台转测开的第一场面试
腾讯 WXG 测开日常实习一面:投的是后台开发被测开捞起,前半场确认岗位认知与转岗意愿、深挖项目是否真的自己做过,后半场手撕合并区间与最接近的三数之和。
企业微信测开一面:两道 Hard 加 Agent 系统连环追问
企业微信日常测开一面:无自我介绍直接 ACM 模式写合并 K 个升序链表和戳气球,随后全追 Agent 框架、推荐冷启动、Go Context、离线评测集设计与性能瓶颈。
腾讯后端开发岗面经 15
腾讯后端开发岗六场面试的问题合集,覆盖限流器与 BitMap 手撕、Kafka 投递与重复消费、线程池参数、MySQL 与 PostgreSQL 对比、Go 与 Java 差异,以及微信扫码支付的断网交互设计。
腾讯 Agent Infra 面经:SGX 沙箱与推理性能排查
腾讯 Agent Infra 面经:考察自动化稳定性、Intel SGX 多租户与 EPC 换页安全、沙箱隔离与容器重启后的状态恢复,并追问多模型抽象与链路追踪,以及 KV Cache、PagedAttention 等推理优化。
腾讯AI Agent开发岗三场面经(评测、Agent Loop与内容安全)
腾讯 AI Agent 开发岗三场技术面,围绕实习项目深挖评测体系:评测集构建与覆盖、人工归因自动化、Agent Loop 设计,以及元宝内容安全检测指标与 RAG 文档切分策略。
腾讯算法岗面经合集:感知哈希、RAG 与 Go 调度
腾讯算法岗三场面经合集:第一场以算法和智力题为主,含数组整体减固定值能否归零、其余数出现三次时找唯一数、rand5 构造 rand7、64 匹马取前四;后两场围绕项目,问了感知哈希、RAG 召回与 Redis 单线程高吞吐。
腾讯后台开发一面面经(wxg视频号)
腾讯wxg视频号后台开发一面面经,9月21日晚面试、次日上午挂。开场手撕3道算法题(含取模快速幂),随后考察内存申请与OOM、多线程进程退出、epoll边缘触发、TIME_WAIT、深分页慢查询与缓存一致性,另有两道智力题。
腾讯云后台开发一面:容器网络、iptables 与分布式缓存手撕
腾讯 CSIG 腾讯云后台开发日常实习一面面经:整体偏分布式与多机架构,几乎没问 epoll;先拷打缓存项目与容器运行时项目(容器网络、iptables 原理、与 Docker 对比),再问进程协程、死锁与 VLAN,最后手撕二分边界与带并发和 LRU 的分布式缓存。
腾讯后台开发一面:系统底子从头挖到尾
腾讯后台开发一面面经,9.21晚面试、9.22状态变为不合适。面试官开场就是三道手撕,第一道带取模的快速幂;系统层从512M内存机器申请1G虚拟空间问到overcommit策略、进程内一百个线程如何整体回收、epoll的ET与LT、TIME_WAIT与MSL、零拷贝与C10K;网络与存储覆盖TCP可靠传输、QUIC/KCP、深分页、缓存双写与binlog同步;另有两道逻辑题(硬币分堆与二十五匹马排前五)。
腾讯后端开发岗面经合集:带锁 Map 与 AI 协同开发
腾讯后端开发岗四场面经合集:前两场是常规八股加算法,问快排与堆排序、稳定性、HashMap 线程安全、LRU;后两场偏工程,围绕带锁 Map 的 Read 与 Dirty 设计、十万计算请求的任务管理,以及 AI 代码的验收与合入。
腾讯社招一面面经(Agent 方向)
腾讯社招一面,全程围绕 Agent 项目的工程实现:框架选型为什么用 LangChain + LangGraph、方案审核用什么指标判断不合格以及审核结果怎么回流链路、可观测性怎么做、调用 sub-agent 时主 Agent 的 context 带不带过去、超长内容怎么压缩(自研还是用 LangGraph 自带);重点问 token 消耗优化和 KV Cache 命中率的手段,并追问 Skill 系统的设计——移除 Skill 正文会不会破坏 KV Cache、Skill 本身是一个工具还是多个工具。
腾讯社招二面面经(Agent 方向)
腾讯社招二面,围绕 Agent 项目的技术细节逐个追问:项目语言选型与 Go 的 Agent 框架、意图识别的具体实现与准确率如何验证、多意图请求怎么处理、上下文工程与 memory 模块的做法、KV Cache 命中率优化、多轮对话的上下文压缩是同步还是异步、agent 线上部署规模与用户量、全链路可观测性用什么存储、整体效果评测怎么做。
腾讯社招三面面经(Agent 方向)
腾讯社招三面,围绕 Agent 项目做深度追问:运营活动代码重复率与内部活动框架、Agent 项目的团队规模与分工、memory 用了哪些框架组件、意图识别的做法与抽象化后效果变好的原因、Agent 上线后对人效的提升;后半段转向 AI 使用本身——端到端工作流成熟度、AI coding 覆盖率与质量保障、是否用 TDD;最后是职业选择与成就感来源类的软性问题。
腾讯云 AI 应用一面:性能优化、Redis Cluster 与上下文体系
腾讯云 AI 应用一面面经(9.17):从实习经历切入性能优化(怎么定位瓶颈、同步改异步要注意什么、线程池原理、Future 异常处理),再考 Linux 进程与线程、Java 虚拟线程、反射,以及 Redis Lua 与 Cluster 分片、故障转移、心跳误判,最后深挖 Agent 上下文体系的设计、评测、灰度与旧版本兼容,以及 Agent Loop、沙箱生命周期和 AI 编程质量保障。
腾讯混元大模型算法岗一面真题
腾讯混元大模型算法岗一面的同题记录:从 Agent-RL 的奖励分层与长链路信用分配讲起,串起 GRPO 各支改进、PRM 如何进 advantage、多智能体值不值得拆、Agent 评测指标怎么选,再落到混元 MoE 与跨层注意力、DPO 双降归因、BM25 的词频饱和与长度归一化、以及阶段内 token 归一化对长度偏好的影响。
腾讯混元大模型算法岗一面面经
腾讯混元大模型算法岗一面真题,围绕 Agent 强化学习展开:奖励设计与长链路信用分配、GRPO 的衍生改进、Multi-Agent 的收益与代价、PRM 如何接入训练、Agent 评测体系,并延伸到混元自身的 MoE 与 Attention 设计、DPO 概率双降、BM25 检索以及分阶段 token 归一化。
腾讯 IEG 后台开发实习一面:项目、算法与微服务八股
腾讯 IEG 后台开发实习一面面经:前 20 分钟讲项目(面试官不熟悉 Agent 方向,主要追问与同类产品的差异和为什么自研深度研究 Agent),中段手撕二叉树最大路径和,最后 20 分钟围绕 HTTP 长短连接、负载均衡、微服务服务发现与 RPC 框架设计展开。
腾讯 IEG 服务器开发一面(TCP与Go八股)
腾讯 IEG 服务器开发一面面经,9.17 线下约 60 分钟,面试官比着简历拷打实习与开源项目。八股考 TCP 三次握手四次挥手、对端断电如何感知、protobuf 改字段名的影响、Go map 底层与 KCP,手撕统计二进制流中出现最多的字节。
腾讯 IEG 服务器开发二面(场景设计,已挂)
腾讯 IEG 服务器开发二面面经,9.18 由企微直约、全程聊天式追问项目与实习。唯一的技术硬题是场景设计:设计一个千万级通知平台,数据只存在一个 KV 数据库且 value 是二进制流无法解析,如何实现到期通知;9.20 晚查询结果为已挂。
腾讯Java一面
腾讯Java一面记录,主要围绕项目基础信息和项目改造方案展开。
腾讯营销后端一面:Agent 上下文体系与多路归并
腾讯营销后端一面面经(9.18):主体是一段 Agent 基础设施实习的深挖——Skill 如何被发现与按需加载、正文放在上下文的什么位置、用完何时卸载、会不会影响 Prefix Cache,上下文压缩怎么做、长 Tool Result 怎么处理、压缩后如何按需找回原文、历史索引分几层;随后问一个需求从提出到上线 AI 如何参与、跨仓库代码怎么理解、SOP 怎么沉淀,最后手撕 N 个升序数组合并。
腾讯 TEG 云架构平台部一面、二面面经
腾讯 TEG 云架构平台部一面二面面经。一面从论文切入(卷积与 Transformer 的区别、创新点),再考计算机基础:键盘输入到屏幕显示的全过程、原码反码补码、不用取余判断奇偶,手撕矩阵对角线 Z 字形遍历。二面集中在并发与架构设计:线程池与生产者消费者、手写消息队列的有锁无锁设计、10 亿 QQ 号找只出现一次的、热点限流器的内存优化与冷热 key 预热。
腾讯 TEG 云架平二面:MPSC 队列与限流器设计
腾讯 TEG 云架平二面记录:项目几乎没问,全程场景设计。并发部分从多生产者单消费者队列问到无锁实现,再追问 32 位 QQ 号数据集里找只出现一次的数与外排优化;限流器部分围绕固定窗口的跨窗口突发、滑动窗口判断和 key 量大的内存开销展开,最后手写原地归并排序。
腾讯 TEG 一面(已挂):从三极管问到时间轮算法
腾讯 TEG 应届一面已挂的面经:全程一个半小时双机位,面试官从实习项目切入问瓶颈,追问非常底层甚至聊到三极管、计算机组成和汇编;手撕题是实现 string 与十六进制字符串互转并要求先讲位运算思路,再问为什么用十六进制,最后考时间轮算法。
腾讯WXG后端开发一二面面经
腾讯WXG后端开发一二面面经,考察LRU、网络安全、支付流程、Go与Java、Channel无锁化思想,并深挖项目字段和关键流程设计。
腾讯 WXG 后端开发一面面经
腾讯 WXG 后端开发一面记录,从实习团队与研发流程一路问到 Agent 与 Skill 构建、RAG 原理、协同过滤和 12306 系统设计,八股覆盖 C++ 引用与智能指针、Redis 底层结构、B+ 树索引选型与 InnoDB 并发加锁,另有三道算法题。
7.30 机器人小厂全栈开发面一面
腾讯全栈开发工程师面试记录,覆盖Java、面试经验、后端开发等考点,整理了面试流程与高频问题。
上海能良Java校招生岗笔试面试2026/7/26
腾讯Java后端开发工程师面试记录,覆盖Java、Redis、算法、面试经验等考点,整理了面试流程与高频问题。
8.4 小厂 Java 全栈 一面
腾讯全栈开发工程师面试记录,覆盖Java、Redis、MySQL、RabbitMQ等考点,整理了面试流程与高频问题。
腾讯云智 - 大数据产品架构与支持中心A - 武汉 - 二面面经
腾讯Java后端开发工程师面试记录,覆盖Java、JVM、Spring、并发等考点,整理了面试流程与高频问题。
腾讯PCG-应用效能技术-日常实习一面凉经(发面经攒人品)
腾讯Java后端开发工程师面试记录,覆盖Java、计算机网络、算法、面试经验等考点,整理了面试流程与高频问题。
腾讯 260824 风控算法 Agent 开发一面
腾讯风控算法(Agent 开发)一面,8 月 24 日:先追问模糊语义搜索的标签映射与排序优化,再深挖实习评测集构造与 Plan-and-Execute 选型,基础部分问推理加速与 MCP 的区别。
领雁科技成都分公司面经,自研or外包?
腾讯Java后端开发工程师面试记录,覆盖Java、Spring、面试经验、后端开发等考点,整理了面试流程与高频问题。
腾讯AI产品面经-实习 1h
腾讯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。
腾讯- AI产品实习面经 喜提人才库
腾讯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、用户研究、数据分析等内容,适合准备相关岗位面试时参考。
腾讯AI产品实习一面 压力面
腾讯AI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、模型微调、项目深挖、实习等内容,适合准备相关岗位面试时参考。
AI产品二面 腾讯 实习面经
腾讯AI产品经理面经,原帖记录了二面中的核心追问,重点涉及AI产品、数据分析、项目深挖、实习等内容,适合准备相关岗位面试时参考。
腾讯AI产品一面 好难
腾讯AI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、用户研究、数据分析、产品经理等内容,适合准备相关岗位面试时参考。
腾讯暑期实习AI产品面经分享
腾讯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、用户研究、数据分析、项目深挖等内容,适合准备相关岗位面试时参考。
27日常实习 腾讯AI产品一面分享
腾讯AI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。
腾讯 AI产品面经拆解
腾讯AI产品经理面经,原帖记录了群面中的核心追问,重点涉及AI产品、产品设计、用户研究、产品经理等内容,适合准备相关岗位面试时参考。
暑期实习-腾讯AI搜索产品二面
腾讯商业产品经理面经,原帖记录了二面中的核心追问,重点涉及AI产品、商业化、用户研究、数据分析等内容,适合准备相关岗位面试时参考。
腾讯FDE岗位求职五项核心考察
腾讯FDE岗位求职考察要点,涵盖AI技术演进、主流落地产品、行业需求判断、Skill与专家团实操,以及面向客户的沟通协作能力。
腾讯 实习 一面
腾讯产品经理面经,原帖记录了一面中的核心追问,重点涉及AI产品、Agent、数据分析、项目深挖等内容,适合准备相关岗位面试时参考。
腾讯AI 产品 一面 实习面经
腾讯产品经理面经,原帖记录了一面中的核心追问,重点涉及AI产品、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。
2026实习腾讯群面凉经
腾讯产品经理面经,原帖记录了群面中的核心追问,重点涉及产品设计、实习、产品经理等内容,适合准备相关岗位面试时参考。
腾讯暑期ai搜索产品一面 1h
腾讯产品经理面经,原帖记录了一面中的核心追问,重点涉及AI产品、用户研究、数据分析、项目深挖等内容,适合准备相关岗位面试时参考。
腾讯产品经理暑期实习一面
腾讯产品经理面经,原帖记录了一面中的核心追问,重点涉及AI产品、用户研究、项目深挖、高并发等内容,适合准备相关岗位面试时参考。
腾讯产品经理二面面经
腾讯产品经理二面面经,围绕项目能力、跨团队协作、工具类小程序留存、竞品分析、失败复盘和职业规划展开追问。
腾讯TME QQ音乐暑期实习一面
腾讯AI算法工程师一面面经,考察Java、计算机网络等核心知识点。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。
腾讯后台开发凉经
腾讯软件开发实习生面经,考察Java、MySQL、Spring等核心知识点。包含真实面试题目与解析,适合准备软件开发实习生面试的求职者参考备考。
腾讯PCG后台开发一面凉经
腾讯软件开发工程师一面面经,考察Java、MySQL、Redis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。
建信融通-后端开发一面面经
腾讯Java开发工程师一面面经,考察Java、MySQL、Redis等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
本科生还能进长安汽车研发岗吗?
腾讯Java开发工程师面经,考察Java、ElasticSearch等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
腾讯面经-腾讯后端开发岗面经-02
腾讯后端与 TEG 面试记录,讨论 NL2SQL、知识库与向量数据库、C++ 基础及 Redis。
凉面|2026年5月26日 软牛科技集团 C++底层开发工程师 一面
腾讯C++开发工程师一面面经,考察Java、C++、计算机网络等核心知识点。包含真实面试题目与解析,适合准备C++开发工程师面试的求职者参考备考。
初次面试,就用了7分钟就结束了
腾讯数据分析师一面面经,考察Java、计算机网络、LLM等核心知识点。包含真实面试题目与解析,适合准备数据分析师面试的求职者参考备考。
腾讯云智后台开发一面,base武汉
腾讯软件开发工程师一面面经,考察Java、MySQL、Redis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。
腾讯 后端开发日常实习面经
腾讯后端开发工程师面经,考察Java、Python、Redis等核心知识点。包含真实面试题目与解析,适合准备后端开发工程师面试的求职者参考备考。
腾讯wxg软件后台开发一面速挂
腾讯软件开发实习生一面面经,考察Java、MySQL、Redis等核心知识点。包含真实面试题目与解析,适合准备软件开发实习生面试的求职者参考备考。
北京印行-Java开发实习
腾讯Java开发工程师面经,考察Java、MySQL、Redis等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
重庆远见-Java开发实习
腾讯Java开发工程师二面面经,考察Java、MySQL、Redis等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
前方高能-Java开发实习
腾讯Java开发工程师面经,考察Java、分布式、LLM等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
浪潮集团-Java开发实习
腾讯Java开发工程师面经,考察Java、消息队列、分布式等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
中国旅游集团-Java开发
腾讯Java开发工程师面经,考察Java、MySQL、Redis等核心知识点。包含真实面试题目与解析,适合准备Java开发工程师面试的求职者参考备考。
27届腾讯AI后台开发实习一面面经
腾讯AI后台开发实习面试复盘:涵盖Java基础(接口与抽象类、HashMap、线程安全)、MyBatis SQL注入防御、微服务熔断降级与限流、Kafka高并发架构、MySQL性能优化以及大模型工程化落地实践。
腾讯面经-腾讯后端开发岗面经-03
腾讯后端开发岗面试,考察线程池、Agent 监控分析、JVM、网络状态和排序算法。
腾讯AI后台开发日常实习一面面经
腾讯AI后台开发日常实习一面面经,重点考察候选人科研项目、实习经历及LLM大模型相关技术。技术面试涵盖SQL慢查询优化、Java Spring框架原理及算法题(滑动窗口最大值),适合准备后台开发实习的求职者参考。
腾讯AI后台开发一面面经
腾讯AI后台开发一面面试题分享,涵盖秒杀系统高并发设计(防超卖、限流、缓存一致性)、RAG项目架构(查询重写、Embedding优化)、MySQL索引原理及Java核心(GC、HashMap)。助你掌握高频面试核心技术点。
腾讯AI后台开发一面面经分享
腾讯AI后台开发一面面经分享。面试重点考察了高并发MySQL架构设计、Redis底层数据结构与一致性策略,并涉及AI Agent模型及计算机基础排序算法,适合后端求职者参考学习。
腾讯AI后台开发27实习一面分享
腾讯AI后台开发实习生面试题整理。涵盖Java集合与并发机制、MySQL性能优化、Kafka高可用架构、MyBatis SQL注入防御及大模型应用落地等核心考点,助力后台开发岗位面试备考。
腾讯AI后端开发实习一面面经
腾讯AI后端开发实习一面面试题整理。涵盖React/CoT/Action等Agent架构、Java内存模型与并发编程、MySQL索引优化与查询定位、TCP四次挥手及异常处理,并附带LeetCode经典算法题解析,助你掌握后端核心面试考点。
腾讯后台AI开发实习面经
腾讯后台AI开发实习生一面面经。面试涵盖文档分片优化、Redis Bitmap状态维护、大模型上下文管理、Redis+Lua限流实现、Java锁机制及线程池应用。算法考察有效括号匹配。适合准备后端开发与AI架构方向的求职者复习参考。
2027暑期实习腾讯AI后台开发一面面经
腾讯2027暑期实习AI后台开发一面面经,考察重点涵盖AI工程化落地(AICR、提示词工程、记忆机制)、Java后端基础(线程进程、虚拟线程)、MySQL索引优化、JVM垃圾回收及经典链表算法题。
腾讯 AI后台开发一面凉经
腾讯AI后台开发一面凉经,历时1小时,涵盖Java内存结构、sleep/wait区别、Redis zset与set、死锁定位、TCP四次挥手、Linux权限与磁盘命令、进程调度算法、Git冲突解决,以及IP地址转32位整数手撕题,适合后台开发求职者备考参考。
腾讯AI全栈开发实习一面面经
腾讯AI全栈开发实习一面面经,涵盖Java基础(集合、并发)、计算机网络(HTTPS、TCP握手)、MySQL、Redis缓存策略及Spring微服务架构设计。无手撕算法环节,重点考察后端技术栈深度与应用场景解决能力。
腾讯面经-腾讯后端开发岗面经-05
腾讯后端开发岗面试,涵盖 Maven、MySQL 索引与慢查询、Redis 以及链表判环。
腾讯后端日常一面二面:Go 与数据库八股加四道代码题
腾讯后端日常一面二面记录,4 月面试。八股比较简单,基本围绕 Go 和数据库,作者补充了四道代码题:字符串压缩解压、交替打印奇偶数,以及读文件把指定行后面的数字相加、请求 URL 后解析字段做数值运算。
腾讯视频后端开发面经
腾讯视频后端开发面经。考察重点涵盖:操作系统进程线程、JVM内存模型、Redis缓存策略、MySQL索引优化与并发控制、RabbitMQ可靠性方案、算法(LRU与链表)及AI工程化(RAG、Agent架构)。适合备考腾讯后端岗位的求职者参考。
腾讯后端一面面经
腾讯后端开发一面面经,涵盖Java线程池与进程通信、MySQL高性能优化与分表策略、Redis底层数据结构(跳表)、操作系统网络(TCP握手)及海量数据处理算法题。适合后端面试查漏补缺。
腾讯QQ后端暑期实习二面
腾讯QQ后端27届暑期实习二面面经,涵盖项目深度拷打、DDoS防护、SQL注入与MyBatis防注入、Redis对话记忆存储、Java JVM垃圾回收、Nginx与Tomcat职责、进程线程区别、HTTP与HTTPS转换,以及括号匹配算法题,难度较高。
腾讯TME酷我车载业务部后台开发二面面经
腾讯TME酷我车载业务部后台开发二面面经,重点考察Java集合、JVM内存管理、Redis持久化与集群机制、MySQL锁机制与高并发扣减策略、以及TCP/HTTP协议基础。适合后台开发求职者针对高频八股与场景设计题备考。
腾讯 ima 面经:Agent 项目与高并发后端八股
腾讯ima岗位一面面经。面试涵盖Agent架构设计、RAG应用实践、SSE与WebSocket区别、DDD领域驱动设计,以及高并发场景下的Redis缓存策略、互斥锁、布隆过滤器与消息队列等后端核心技术八股。
27届暑期实习腾讯WXG一面面经
腾讯WXG暑期实习一面面试经验分享。面试时长50分钟,面试官全程围绕单个项目进行深度挖掘,未安排代码编写环节。通过该面试流程及项目深挖侧重点,帮助求职者了解WXG面试风格,高效准备项目细节与技术栈。
腾讯金融科技暑期一面凉经(偏基础 + 项目拷打 + 手撕)
腾讯金融科技Java后端开发暑期实习一面面经。考察内容涵盖Spring Boot版本特性、JDK兼容性、JVM原理、项目中的令牌桶限流与布隆过滤器实现、Redis分布式锁、MySQL索引与事务隔离级别,以及Linux基础命令,适合准备Java面试的同学参考。
腾讯暑期产品经理一面二面及HR面面经
腾讯暑期产品经理完整面经,涵盖简历数据与AB实验、AI平台模型、促销平台场景设计、Human in the Loop、用户状态判断和HR面信息核实。
腾讯面经-腾讯后端开发岗面经-06
腾讯后端岗位面试记录,涉及滑动窗口、智能客服 Agent、事务隔离、Redis 和排序算法。
腾讯面经-腾讯后端开发岗面经-07
腾讯后端岗位两轮面试记录,覆盖 DDD、线程池、消息可靠性、分布式锁、搜索和秒杀系统设计。
腾讯S3后台开发一面凉经
本篇面经记录了腾讯S3后台开发一面经历。面试核心围绕Java与Go语言特性、面向对象编程思想,并深入探讨了Agent项目中的RAG原理、缓存一致性、权限控制、幂等性实现及设计模式应用。同时考察了布隆过滤器与短网址算法实现。
3.12腾讯视频后端一面
腾讯视频后端开发一面面试记录,涵盖Java基础、JVM垃圾回收、数据库ACID与事务隔离、Redis数据结构与Lua脚本原子性、分布式锁与幂等设计、TCP-UDP协议及高并发秒杀场景下的超卖解决方案。附带算法题及面试官评价,适合后端求职者参考学习。
腾讯云后台开发一面面经
腾讯云后台开发一面面试经验分享,面试官重点考察算法能力、操作系统内核机制(进程线程切换与上下文)、TCP-UDP协议特性及网络传输场景题,并探讨了AI辅助编程在项目开发中的应用与质量保障。
腾讯后台开发 HR与管理线一面
腾讯后台开发一面面经,涵盖Java线程创建与生命周期、HTTP完整请求流程、MySQL redo/undo/binlog日志机制、Spring @Transactional事务回滚与动态代理原理、并发安全实现,以及AI相关技术词汇,无算法题,共30余分钟。
腾讯后台开发二面面经
腾讯后台开发二面面经,重点考察项目细节与底层原理。涉及LRU缓存、合并区间算法题;八股文涵盖RabbitMQ与Kafka对比、微服务优劣、MySQL事务与MVCC、索引底层实现(B+树)、Redis哨兵与集群、以及Spring Boot类加载机制等核心技术点。
腾讯 C++ 一面
腾讯 C++ 一面面经,涵盖 C++ 多态机制、CAS/ABA 问题、内核态与用户态、TCP-UDP/HTTP 原理、LRU/LRU-K 缓存实现、shared_ptr 引用计数、缓存击穿、CAP 理论、Raft 分布式一致性算法及 Protobuf vs JSON 选型等核心知识点,附链表与贪心算法手写题。
腾讯云 CSIG 后台开发一面
腾讯IEG春招技术面二面面经
腾讯IEG春招二面面经,涵盖MySQL原理(回表/同步/锁)、分布式一致性协议(两阶段提交/Raft)、TCP网络编程、操作系统内存管理、多线程死锁及大模型(AI Agent/RAG/Token优化)相关技术深度考察。
腾讯IEG春招技术面二面面经
腾讯IEG春招二面面经,重点考察数据库原理(MySQL/Redis/Mongo)、分布式一致性协议(Raft/2PC)、TCP网络编程、操作系统内存管理、多线程及死锁,深度探讨了大模型应用开发(RAG/Prompt压缩/Token优化)及项目实践与架构设计。
耐挂土豆丝面试回忆录-三月面试(腾讯)
腾讯Java后端开发工程师面试记录,覆盖Redis、MySQL、JVM、数据库等考点,整理了面试流程与高频问题。
腾讯QQ后端Go开发KPI面经
腾讯QQ后端Go开发一面面经,涉及Golang GMP模型、垃圾回收机制、Redis+Lua脚本原子性原理、二叉搜索树算法题,面试约40分钟,疑似KPI面,最终被挂。适合备战腾讯后端Go方向的求职者参考。
腾讯 Java后端 一面
腾讯微信后端一面,问麻了!!!
腾讯Java后端开发工程师面试记录,覆盖计算机网络、AI应用、MCP、数据库等考点,整理了面试流程与高频问题。
腾讯世纪鲲鹏 26 届 Java 后端一面 Base大连
腾讯Java后端开发工程师面试记录,覆盖Java、计算机网络、AI应用、Go等考点,整理了面试流程与高频问题。
腾讯后端开发岗面经 08
腾讯广告与微信支付后端岗位面经,覆盖高并发、操作系统、JVM、网络、缓存、消息队列和推理服务设计。
腾讯后端开发岗面经 09
腾讯后端开发岗位面经,涵盖服务发现、LevelDB、Redis 持久化、监控、Go 语言、并发、索引和分布式系统。
腾讯后端开发岗面经 11
腾讯天美后端开发面经,重点考察 Go 数据结构与调度、C++ 并发、网络协议、Linux 内存和数据库事务。
腾讯后端开发岗面经 12
腾讯 IEG、后端开发岗位面经合集,覆盖数据库索引、C++ 基础、操作系统、网络、JVM、Redis 和消息队列。