AI 全栈
共 8 篇面经 · 爱诗科技 / 水滴 / 腾讯 / 字节跳动 / 顺丰
爱诗科技 AI 全栈一面:多工具统一数据模型、分片上传可靠性与 RocketMQ 不丢消息
爱诗科技 AI 全栈一面(11 月 9 日):围绕一个数据工具项目连环追问——多种工具存储与格式不同怎么设计统一模型与适配层、上游频繁更新怎么兼容、分片上传的重复请求与故障恢复、解析放客户端还是服务端、研发工具效果怎么评估、AI 编程 token 消耗怎么归因、对比模型时怎么控制变量,以及批量提交时的任务隔离、客户端脱敏与服务端复检,最后问 RocketMQ 如何保证消息不丢失并手撕二叉树层序遍历。
爱诗科技 AI 全栈二面:集群限流、Redis 令牌桶与链表重排的场景追问
爱诗科技 AI 全栈二面(11 月 13 日,秋招):先做自我介绍与项目复盘,随后一道场景设计题——多轮规划与修改的执行记录怎么关联回需求与代码提交、怎么从执行记录里定位资源消耗异常的任务并验证是否为重复操作所致;接着问 HashMap 底层与线程安全 Map、多实例集群如何限制整体 QPS、Redis 令牌桶的 Key/Value 设计与补充方式、固定窗口限流为什么会在边界放过接近两倍流量,最后手撕单链表首尾交替重排。
水滴 AI 全栈一面:自动诊断、提示词注入、推理排队与 RAG 旧答案排查
水滴 AI 全栈一面几乎全是项目与系统设计:自动诊断的完整流程与误判处理、用户选错问题类别怎么办、人工减少时怎么提升准确率;单 Agent 与多 Agent 的差异、执行中的锁定机制;提示词注入的两类来源与防护;能力升级后的版本评测;文件上传取消、同名文件与合并;推理请求积压导致内存显存上涨的处置;知识库更新后仍返回旧答案怎么定位;摘要结构设计与冲突检测;最后聊个人 Agent、Harness 与日常 AI 实践。
水滴 AI 全栈二面:LangGraph 与 DAG、MCP Server、视频理解与微服务组件
水滴 AI 全栈二面:实习经历与上线效果、LangGraph 的图与 Workflow 编排及与 DAG 的关系、怎么开发一个 MCP Server 及其实现机制、拿到一段视频怎么让智能体基于内容回答、微服务组件与限流、OpenFeign 配套组件、MQ 与 RPC 的选型、AI 编程工具的约束、竞赛经历与职业方向。
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。
字节 AI 全栈二面:八股一点都不问,全程项目 + AI 工具
字节跳动 AI 全栈二面面经:全程围绕 Agent 平台项目与 AI 使用习惯,考问答链路与意图识别树、MCP 工具使用注意事项与失败处理、AI 生成代码的质量兜底、工具调用结果缓存与长期偏好存储、敏感信息脱敏,最后手撕反转链表并追问线程池配置。
10.14 顺丰 AI 全栈二面:插件开发、ES 译文检索与 Agent 记忆
顺丰 AI 全栈二面面经:半小时技术面、无手撕、八股少,围绕插件开发机制与 AI 写出的代码怎么验证、机翻为什么用 ES 做相似译文召回而不是全塞提示词、知识库增量更新改用 Git PR 记录,以及 Agent 的工具选择、Chat Memory 与 MongoDB/Redis 选型展开。
10.27 小红书 AI 全栈二面:模型选型、评测与高并发设计
小红书 AI 全栈二面:实习项目与业务理解、不同复杂度任务的模型选型、规划与执行分层、模型输出质量评测,以及个人项目的分布式架构与高并发设计。