AI 应用(Java 后端)
共 3 篇面经 · 滴滴
滴滴 AI 应用 / Java 后端一面:从京东项目追问到 DDD 与 Agent 的关系、AI 输出怎么校验
滴滴两轮车方向 AI 应用 / Java 后端一面,约 16 问,围绕京东实习项目与「怎么用、怎么判断 AI」展开。面试官关注数据怎么来、结果怎么满足用户、校验规则是需求预先确定还是开发中提炼、DDD 与本体化 / Agent 是什么关系、改到了哪一层代码、AI 辅助研发与论文写作时怎么校验专业内容、AI 到底省了时间还是被返工抵消,最后回到后端基础与中间件使用边界是否还重视。
滴滴 AI 应用 / Java 后端二面:硬编码规则的边界、工作流调度与 AI 代码把关
滴滴 AI 应用 / Java 后端方向二面,从京东实习的智能面试间项目切入:为什么模型能力已经很强还需要硬编码规则、Prompt 足够明确是否还会幻觉、总结是预生成还是实时更新、工作流耗时怎么控、岗位怎么路由;随后转向 AI 辅助完整软件开发——如何用 AI 接手历史系统、如何审核 AI 设计的表结构与索引、线上功能异常怎么借助 AI 排查,最后考 Java 线程安全、分布式并发与线程池。
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
滴滴青桔两轮车业务三面,特点是会把长回答重新拆成几个核心问题、反复确认工程贡献、AI Coding 追到具体用法、岗位认知回到业务与基础。内容覆盖京东智能面试间的数据来源、触发方式、规则与模型的分工、效果评估与用户反馈,个人博客的 Redis 与 RabbitMQ 设计、自己与 AI 各写了多少,以及 Skill、MCP、Harness 的实践和对 AI 时代后端基础价值的看法。