面灵AI→

滴滴 AI 应用 / Java 后端三面:项目质量怎么评、AI Coding 追到具体用法

轮次
三面
时间
2026-11
来源
牛客网

《面试题目》

项目职责与设计

  1. 京东主要做了什么?解决什么问题?
  2. 数据来源固定吗?大概多少接口,各返回什么?
  3. 谁触发工作流?自动还是人工?
  4. 哪些用规则,哪些用模型?为什么这样区分?
  5. 使用什么模型?现在还在用吗?
  6. 输出是什么?不同的总结有区别吗?
  7. 有人指导,还是主要自己完成?

评测与成长

  1. 除了错误率、幻觉率,还怎么判断总结好不好?
  2. 有收集用户评价吗?大致反馈是什么?
  3. 通过这个项目学到了什么?

Java 工程与个人博客

  1. 实习里有较深入的 Java 工程实践吗?
  2. 介绍博客的功能和工程设计。
  3. 为什么用 Redis?
  4. 为什么用 RabbitMQ?
  5. 前后端分别多少由自己完成,多少由 AI 完成?

AI Coding、Skill 与 Harness

  1. 用过哪些 AI 编程工具?怎样选择?
  2. 主要靠 Prompt,还是构建了 Skill 等基础能力?
  3. Harness 工程具体做了什么?
  4. 用过哪些开源 Skill?为什么选择?
  5. Redis、MQ 是自己加的,还是 AI 帮忙做的?

岗位认知与反问

  1. AI 已经能生成完整应用,还需要扎实后端基础吗?
  2. 你怎样理解 AI 应用开发工程师?
  3. 入职后应重点提高什么?

《参考解析》

项目怎么讲清:先用一句话说清「为谁解决了什么问题」,再给数据链路(数据从哪些接口来、各返回什么、如何清洗与结构化)、触发方式(自动定时还是人工点击)、规则与模型的分工(确定性字段用规则,语义归纳用模型)、输出形态(结构化摘要、面试报告)与落地位置(数据库、前端展示)。面试官反复追问「你本人做了什么」,答案要能划出边界:哪些模块由你设计、哪些代码由你写、哪些是与他人协作。

规则与模型的分工:规则负责可枚举、可校验、必须稳定的部分(字段映射、评分区间、必填项、权限过滤、合规文案),模型负责开放语义(简历理解、问答归纳、追问建议)。区分依据是「错了能不能被发现、错了代价多大」:能被程序校验的交给规则,无法穷举的交给模型并要求给出来源。这样的划分也让评测更清晰——规则部分用单测覆盖,模型部分用评测集。

效果怎么评:除了错误率与幻觉率,还要看任务层面的指标:关键信息抽取的召回(该提到的公司、岗位、时间有没有漏)、结构完整率、人工可用率(用户是否需要大量修改)、用户满意度与采纳率。没有标注数据时,用人工抽检 + 模型互评(用另一个模型按 rubric 打分)做初筛,再由人复核争议样本。错误率的分母要说明是「每条总结」还是「每个字段」。

个人博客的工程设计:讲清数据模型(文章、标签、评论、用户)、接口设计、缓存策略(热点文章与列表页用 Redis,缓存键含版本、失效策略是删除而非更新)、异步(评论通知、邮件、统计用 RabbitMQ 解耦,消费者幂等)。选型理由要落到具体问题:Redis 解决读多写少与页面响应,MQ 解决请求链路过长与削峰。被问「多少由 AI 完成」时如实拆分,并说明自己负责的部分(架构、数据模型、关键逻辑、调试)。

AI 编程工具怎么选:按任务类型选:补全类适合边写边改,对话类适合设计讨论与排查,Agent 类适合跨文件改动与批量重构。选择依据是上下文能力、对仓库的理解方式、是否可审计(能否看到改了哪些文件)、以及团队规范(代码是否能出内网)。不要只报工具名,要说明在什么场景下用它、怎么验证结果。

Skill、MCP 与 Harness:Skill 是把某类任务的做法固化成可复用的指令与脚本(如「如何写一篇面经」「如何做代码审查」),减少每次重新描述;MCP 是把外部能力(数据库、浏览器、内部系统)以标准协议暴露给模型;Harness 是运行模型的工程外壳——上下文组装、工具调用、权限、重试、日志、评测。三者解决的是不同层次的问题,回答时要分清,不要混为一谈。

AI 时代还需不需要后端基础:需要,而且要求变了。AI 能生成代码,但判断生成得对不对、能不能上线、出了问题怎么定位,仍然依赖对数据库、并发、网络、一致性的理解;AI 生成的系统更容易出现「看起来能跑但边界没处理」的问题,把关的人必须懂。基础的价值从「会写」转向「会判断与验证」。

AI 应用开发工程师的职责:把模型能力变成可交付的产品:定义任务与评测、设计上下文与工具、处理失败与降级、控制成本与延迟、建立反馈闭环。它同时需要产品理解与工程能力,不是单纯调 API。

入职后提高什么:给出与岗位相关的具体项,例如补齐分布式系统与高并发经验、深入理解业务数据链路、学会做评测与线上归因。回答要结合面试中暴露的不足,显得有自省而不是套话。