RAG 面试题
共 529 篇真实面经 · 涵盖 4399 / 某互联网公司 / 多家公司 / 某 AI 公司 / 阿里巴巴 等 200 家公司
4399 游戏服务器开发一面:C++ 基础、匹配设计与 TCP/UDP 选型
4399 游戏服务器开发一面(11 月 9 日,38 分钟),先问游戏经历与转行动机,再扫 C++ 基础(C 与 C++ 的区别、智能指针、多态与虚函数、多线程避免数据竞争与死锁)、数据结构(数组与链表、单链表 O(1) 删除、二叉树遍历、红黑树),然后是一道匹配系统设计题和 TCP/UDP 一组题(区别、在 UDP 上做可靠传输、游戏业务怎么选),最后问 RAG 项目链路与 AI 编程、多 Agent 分工。
Agent 开发面试四问:PDF 带表格图片怎么分块、效果不好先看哪些指标
四道 AI 应用 / Agent 岗位的高频面试题:RAG 知识库分块时 PDF 里的表格和图片怎么保住结构、大模型回答效果不好时该先换 API 还是先看指标、token 成本怎么分析、意图识别有哪些实现路线以及各自适用场景。
243 篇 AI Agent 面经的话题统计:上下文、重试、幂等与超时才是高频考点
对 243 篇 AI Agent 方向面经做话题统计:上下文出现 156 篇(64%)、重试 113 篇(47%)、幂等 104 篇(43%)、超时 95 篇(39%)、RAG 112 篇(46%)、评测 103 篇(42%)。结论是岗位真正在考的不是新名词,而是长对话怎么管、失败怎么重试、重复执行怎么防、效果凭什么说变好了。
AI 数字员工岗位面试真题:项目深挖、RAG 链路与商业化落地
一份 AI 数字员工与 AI 应用岗位的高频真题清单,覆盖项目深挖、RAG 全链路、Prompt 与 Agent、工具调用、AI 外呼落地与商业化增长五类,题量大且偏业务结果,适合按模块准备。
阿里 AI Agent 应用开发二面:工作流与自主 Agent 的边界、MCP、幂等与提示注入
阿里 AI Agent 应用开发二面连续十一问,覆盖确定性工作流与自主 Agent 如何划分、MCP 与 Function Calling 的关系、KV Cache 缓存什么与显存估算、HNSW 为什么快及调参后丢了什么、Embedding 微调的负样本、RAG 端到端评测、异步工具调用的并行与取消、写接口幂等、检查点与幂等的关系、检索文档里的提示注入,以及换更强模型后能否删掉提示与编排步骤。
阿里巴巴 AI Agent 应用开发一面:RAG、工具调用与检索融合
阿里巴巴 AI Agent 应用开发工程师一面:从一个售后查资料与整理工单的 Agent 项目切入,逐层追问为什么用 RAG 而不是微调、文档怎么切分、Embedding 与余弦/内积的区别、Function Calling 的完整流程、有了 JSON Schema 为何仍会出错,再回到模型基础(Attention 为什么除以根号 d、训练可并行而生成必须逐 token),最后是混合检索、重排与「正确文档进了上下文仍答错」的定位方法,并现场写一个 RRF 融合函数。
阿里国际 AI 应用研发 一面:消息可靠性、RAG 排障与合并区间
阿里国际 AI 应用研发一面题单:HashMap 的 JDK 8 优化、RabbitMQ 消费流程与不丢消息、RAG 检索质量低先查什么、手写合并重叠区间。
蚂蚁 Agent 日常一面凉经:coding agent 元工具设计、10MB 文件读取与并发编辑
蚂蚁 Agent 岗一面全程围绕 coding agent 的实现细节:Claude Code、Codex、DSH、Pi 等主流 harness 的元工具差异,read 工具怎么读 10MB 文件、edit 工具怎么处理用户与 Agent 同时修改、bash 怎么适配三大系统、无 diff 的编辑怎么比较、5000 个任务一夜跑完的评测方案、远程沙箱与本地沙箱的取舍,最后问 RAG 的增强与 query 改写。零八股零手撕,面试官对各家实现非常熟悉。
百度 Java 后端二面:Redis 热 key、B+ 树高度与 SSE 断点续传
百度 Java 后端二面(面后两小时通知通过):先问项目如何做高并发、Redis 热点 key 与同 key 并发访问怎么处理、工厂与策略模式解决了什么问题;再考 Redis 淘汰策略、MySQL 索引结构与 B+ 树高度、千万级数据量怎么估算、JMM 与垃圾回收、可达性分析;项目侧追问 RAG 的作用与流程、多 Agent 的分工协同、上下文管理、对话数据怎么存、SSE 断开与刷新页面后的断点续传、服务重启与多实例的一致性;算法合并两个有序链表。
百度文库前端一二面:source 透传、埋点迁移、RAG 长文档与 watch 失效
百度文库前端一二面。一面从百度实习切入:AI 应用可提升的环节、工具调用的卡点、幻觉与上下文丢失的解法、source 透传的实现与不丢失保证、埋点迁移如何校验新旧数据一致、知识检索 Agent 为什么做独立上下文、性能指标与监控,手撕是数组按层拍平与并发请求队列控制器。二面围绕 Agent 平台与 RAG:长文献的分块与单次传入长文本的交叉论证、token 控制与约束设计、CSS 居中与旋转、Vue watch 监听数组内部新增 key 失效、URL 参数注入 XSS 与自定义字体配置,手撕是从 URL 取指定参数。
白龙马云行 AI 后端一面:RAG 多模态、Transformer 与 G1 回收器
白龙马云行 AI 后端开发一面 50 分钟、20 个问题:从笔试题现场完善、研究生课题与模型全流程,到 AI 后端与普通后端的区别、AI 编码占比、skill 质量保障,再进入 RAG 的多模态支持与文档切片、Transformer 原理与上下文限制、KV Cache、temperature,最后是 G1 回收过程、MySQL 回滚与 B+ 树。帖主一面通过、二面拒绝。
白龙马云行科技前端一面:iframe 通信、RAG 与多 Agent 架构、Vue 与 React 之别
白龙马云行科技前端一面,32 个问题:实习项目里的 iframe 多应用嵌套与父子通信、window 是否同一个、加载完成的判定与 load 回调属性、多子应用样式统一;接着大量 Agent 与 RAG 相关问题(主子 Agent 分工、从 PRD 到代码的工作流与人工介入点、平台建设者视角的关注点、检索稳定性、RAG 流程与校验指标、Harness 与工具选择、上下文按需注入);然后自研埋点平台、Vue 与 React 的核心区别、首屏慢的定位与优化;最后是 AI 时代的组织形态与岗位划分等开放讨论,并以能否线下实习收尾。
北京小公司后端一面:ES 深分页、MySQL 事务隔离与 RAG、MCP 追问
北京一家小公司的后端一面,一个多小时:从 OPPO 项目切入,问 ES 的理解与优化(深分页改滚动、refresh 流程)、MySQL 四大隔离级别与可重复读的快照实现、B+ 树索引、RAG 完整流程、MCP 与 function calling 的区别、HashMap 底层与线程不安全、内存泄漏与内存溢出、G1 的 STW,最后问离职原因与日常 AI 工具的使用。
BIGO 客户端开发二面:AIGC 链路、线程池与任务编排
BIGO 客户端开发二面(11 月 10 日,53 分钟),从「哪段经历最有挑战」切入,深挖数字人 MV 的音频上传、分段拼接与 AEC(回声从哪来、为什么消、客户端真正的难点)、断点续传与异步任务状态确认;然后问 IM 消息为什么乱序、客户端怎么缓存排序避免错绑,RAG 的整体链路与个人负责部分;技术部分问线程池设计(固定还是动态、大量任务怎么办)、C++ 怎么避免内存泄漏、shared_ptr 与 weak_ptr、消息队列设计、有依赖的任务怎么编排与并行、怎么保证线程安全与避免循环依赖、常见锁与同步机制、Activity 与 Fragment 生命周期、Android 常用设计模式、AI 辅助开发工作流是否属于 Vibe Coding。
BIGO 客户端三面 + HR 面:AIGC 状态机、跨团队协作与薪酬
BIGO 客户端三面(11 月 11 日,66 分钟)分两段。技术段:AIGC 链路的轮询上限与异常/重启恢复、RAG 的数据源与检索生成、对 AI 的看法、非科班自学的语言与在快手写 Android 还是 C++、「最大轮次」与某一轮异常或任务被杀后能否继续、状态机除了分类还解决什么、什么场景该用状态机、底库数据从哪来怎么做 AI。HR 段:籍贯与城市偏好、广州番禺搬到佛山是否介意、快手转正机会与为什么没继续等、手上 offer 与薪酬、选 offer 看什么、数字人项目的业务场景与难点、你是主导还是执行、跨团队协作的具体问题、最有挫败感的经历、最大成长、排期紧/需求变化的经历、灰度前集中提 bug 怎么处理、C 端客户端该关注什么指标、优势与待提升、快手怎么用 AI、为什么持续写 CSDN、薪酬方案、三方与提前实习。
字节后端 Agent 一面:GIL、Tool 与 Skill、RAG 切分与海量文件查找
字节跳动后端 Agent 一面:Python 八股之后转 Agent——记忆形态、Tool 与 Skill 的区别、幻觉抑制、RAG 切分、Agent 与 Workflow 的边界,最后一题查 10GB 文件的行号。
字节 Agent 开发二面:Planning 归谁做、记忆存哪、MCP 与自写工具怎么选
字节 Agent 开发二面题单:介绍 Agent 项目与框架选型理由、Agent 的核心组成与一次任务的完整流程、Planning 是框架做还是模型做、短期与长期记忆的区别、Function Call 的请求与结果放在哪、MCP 与自写工具的取舍、RAG 召回阶段的调参与效果判断,以及手撕合并两个有序数组。
网传「一周速成进字节」帖:提到的 Agent 面试题方向有哪些
这是一篇以「初中辍学、一周速成、年薪百万」为叙事框架的帖子,没有留下真实的问答记录,正文里唯一有信息量的是它声称被问到的 Agent 开发题方向:Function Calling、RAG、MCP、多轮上下文管理、ReAct、规划与记忆反思、多 Agent 协作、幻觉兜底。本条按原帖内容收录,面试题目一节据其自述整理,参考解析按这些方向给出实际考点,不采信帖中的经历与薪资说法。
字节算法实习一面:项目全链路深挖,从 DPO、ORPO 追到检索方案与 beam search
字节算法实习一面几乎全程围绕一个实习项目展开:数据集构成、知识库搭建、模型选型、检索方案、损失函数与优化方式逐环节追问,重点考 DPO 的优势与短板、ORPO 的原理以及其他偏好对齐算法的差异,最后手撕 beam search。
字节算法实习一面面经:偏好对齐三连问与 beam search 手撕
同一场字节算法实习一面的另一份记录:面试几乎不考独立八股,全部围绕实习项目逐环节追问,偏好对齐部分从 DPO 的优势短板一路问到 ORPO 原理与方案差异,最后要求手写 beam search。
字节抖音电商后端实习三面:ShardingSphere 开源切入,Kafka 与 MySQL 场景设计收尾
字节抖音电商后端实习三面连面:一面从 ShardingSphere 的 PR 切入,问分库分表痛点、ACID、SQL 查重与最左前缀、Redis 过期淘汰和一道滑动窗口,45 分钟结束很快约二面;二面深挖开源贡献、RAG 的向量检索与 chunk、Kafka 专项、虚拟内存与内存碎片、TCP 状态机,70 分钟;三面转 Java 基础、反射与动态代理、MySQL 多线程状态流转的 CAS 设计,以及实习时长与转 Go 的问题。
字节前端三面 11.2:AI 小助手的 SSE 渲染、7:3 评测集与低代码拖拽
字节前端三面节奏很紧、追问密集:先让你讲清 AI 小助手项目里自己到底做了什么、团队规模与角色,再问 SSE 流式怎么渲染、SSE 标准有哪些、7:3 评测的数据集与正确答案来源、干扰项比例,要求举三个 RAG 产品例子、解释为什么纯向量检索不行、7:3 比 6:4 好时好多在哪些数据块,最后问低代码拖拽从 A 点到 B 点要检查什么、命令模式优化的好处,代码只留一道简单题。
超星 Java 开发一面:CSV 导入 OOM、线程池与 RAG 的排查链路
超星 26 届秋招 Java 开发一面:围绕实习与项目展开,包括 300MB CSV 导入为何占 1.2GB 内存、订单入库的多线程与幂等、Redis 时间窗口聚合、RAG 入库与切分、检索效果排查与过期文档治理、AI 生成代码的验证。
成都小厂 Agent 面经:从 MVCC 问到代码生成平台与 Token 缓存
成都一家小厂的 Agent 岗一面:乐观锁与悲观锁、MVCC、索引失效、Redis 缓存击穿、AI 辅助编程的质量保证、代码生成平台为什么只做前端、RAG 的用途、LangChain 选型、模型工具调用差异的兼容、记忆分层与 Token 缓存、RocketMQ 与 Kafka。
小厂 AI 应用开发面:RAG 幻觉、三级上下文压缩与工具幂等
小厂 AI 应用开发岗面试:技术面围绕 RAG 幻觉的定位与缓解、超长上下文的三级压缩及各级触发条件、工具执行中断后的幂等恢复、Checkpoint 存储粒度、知识库离线与在线全链路、文档提示词注入防护,以及「306 条攻击任务 0% 成功率」的指标口径;后半段问居住地、实习起止与离职原因、薪资和职业规划。
得物 Java 开发一面:从 RR 幻读到库存预扣、死锁与 RAG 选型
得物 Java 开发一面,十四问:MySQL RR 隔离级别能否避免幻读、Kafka 重复消费与积压处理、活动库存为什么放 Redis、AI 客服选 RAG 还是微调、Lua 自实现分布式锁与 Redisson 的差异、@Transactional 失效场景、索引失效判断、多 Agent 通信、重复下单与预扣库存超卖、死锁定位。
东湖集团 Java 实习一面:RAG 问题重写、联合索引顺序与短链设计
东湖集团 Java 实习一面(7 月场):先追问个人项目是否只有小范围试用、服务器自建还是申请环境、同学如何访问、是否用 AI 编程工具完成;随后深挖 RAG 智能平台——为什么做基于 LLM 的问题重写与子问题拆分、具体怎么实现、泛化问题如何重写拆分并保证召回准确、意图识别怎么做、提示词怎么写;数据库部分问建表考虑、索引依据、联合索引字段顺序及其原因、只查后一个字段为什么用不上索引;最后是短链系统设计:整体考虑、跳转流转、十万到百万 QPS 下的映射设计与哈希冲突处理。
东方财富 EASTstar 服务端开发(AI 应用方向)一面 + 二面凉经
东方财富 EASTstar 服务端(AI 应用方向)两面记录:一面深挖 Text-to-SQL 准确性、多表关联、多轮上下文与 RAG 检索,穿插 MyBatis、Redis、JVM 八股与括号匹配手撕;二面主管继续追双路召回与意图路由,HRBP 问公司认知与城市选择。
Agent Harness 大模型算法二面 12 问:循环终止、沙箱执行、并发冲突与扁平列表建树
Agent Harness 方向的大模型算法二面,12 道系统设计追问,先让你把一个 Agent 项目从输入到输出讲全,再逐个深挖:循环的终止条件、工具调用的校验与沙箱、死循环检测、上下文压缩、多智能体拆分与冲突仲裁、并发锁粒度、重启后的 Checkpoint 与恢复、人机驳回的兜底、Function Calling 与 MCP 的分工、RAG 的触发时机与线上评估埋点。最后一道算法题是把带 parent_id 的扁平 JSON 列表还原成树。
Agent Harness 大模型算法二面:12 问逐条拆解,含一道扁平列表建树
同一场 Agent Harness 算法二面的另一份记录:12 道题全部围绕「一个 Agent 跑起来之后怎么不失控」——链路能否讲全、终止条件、沙箱与权限、死循环、上下文压缩、多智能体冲突、重启恢复、人机驳回、工具检索、RAG 时机、线上埋点,最后手写扁平列表还原树。解析按「链路梳理、执行隔离、状态恢复、效果度量」四条主线重排。
华鲲振宇 AI 开发一面:Go GMP、MySQL 索引与 Redis 缓存问题,再问 RAG 与 LangGraph
华鲲振宇 AI 开发一面分三段:Go 语言与 MySQL、Redis 八股(GMP、channel 遍历、slice、B+ 树、慢查询、索引失效、隔离级别、缓存三问题、分布式锁),项目追问 RAG、多层记忆的存储与长期记忆判定、LangGraph 原理,最后问平时通过什么渠道了解 AI 新知识。
华为 AI 应用 11 月 20 日面经:一面到主管面,Agent 架构、RAG 与两道编辑距离手撕
华为 AI 应用三面记录:一面围绕机考题目与项目深挖,问 Agent 的整体架构、任务流编排、LangChain 与 LangGraph 的取舍、记忆与 RAG 的实现,手撕一道与单词相关的编辑距离;二面继续拷打项目,问 RAG 原理与幻觉、Transformer 与 KNN 的底层算法、实习项目的完整研发过程,同样手撕单词类题目;主管面谈项目背景与设计、技术难题的解决过程、跨团队配合、比赛经历与对华为的了解。
华为 AI 应用方向二面:京东实习与多 Agent 项目深挖,现场手写岛屿数量
华为 AI 应用方向秋招二面,线上技术面试、双机位、现场手写代码。面试围绕两段经历展开:京东实习中数据获取、规则组织与总结链路的工程细节,以及个人多 Agent 项目里 Supervisor、Planner、Executor 的分工与「约束单步执行、阻断幻觉」的具体做法;随后追问 RAG 与向量库选型、Agent 框架与语言、京东 Java 开发中如何使用 AI 编程,最后现场手写岛屿数量并讲 DFS 主体逻辑、边界判断与原地标记。
华为 AI 应用方向校招全流程:机试、一面全排列手撕与二面 RAG 五连问
一份完整的华为校招时间线:9 月通用软件方向机试因分值权重折算只有 180 分没过线,10 月转 AI 应用方向机试过线,11 月一面手撕有重复元素的全排列并复盘机考题,二面围绕 RAG、向量检索、微调、幻觉与大仓库代码理解提问,手撕最长递增子序列,最终二面未通过。
科大讯飞一面:Agent Loop 与上下文管理,从 BM25 混合召回问到工具描述变更的评测
科大讯飞一面深挖实习里的 Agent 项目:主 Agent 与 Subagent 的调用关系、为什么 BM25 与向量召回同时用、回答不符预期如何定位、Harness 还缺什么、用一次工具调用讲清 Agent Loop、为什么选 Plan-Execute-Replan、如何防死循环,以及会话历史 / 任务状态 / 本轮上下文的分层持久化、工具返回大量日志的压缩、Skill 与 CLI 和 MCP 的分工、Schema 合法但业务约束违反时的重试设计,最后落在评测与数据集构建。
科大讯飞二面:Agent 平台的 RAG、记忆持久化、上下文管理与 Spec 开发
科大讯飞二面 19 问,围绕 Harness 与 Agent 的工程实现:项目是否真实投产、上线后怎么迭代、为什么用 RAG 构建领域知识库、有没有用开源 Agent 框架与 Workflow 如何设计、记忆持久化存在哪里、是否了解 Codex 与 Claude Code 的上下文管理、Agent loop 里怎么处理错误与纠错、常用哪些 AI 与 Harness 工具、是否用 Spec 方式开发以及 Spec 里哪些内容重要、如何保证代码可持续演进,最后是大模型研究方向、地点、职业倾向与三个词评价自己。
科大讯飞后端四面面经:RAG 检索、MCP 协议与大模型网关设计
科大讯飞后端面经:9 月一周一面,一面二面各半小时技术面,深挖浏览器插件翻译与智能翻译项目中的 RAG 实现、混合检索与重排、专家校对数据、向量索引类型、MCP 协议原理与大模型网关的产品化设计;三面 HR 面问项目难题、需求评估、跨团队分歧与求职动机;四面 VP 面因排期长期卡住。
京东金融科技一面:流式生成不丢字、旅游 Agent 与记忆冲突
京东金融科技研发中心一面:先让讲最难的项目与个人工作,追问热点数据怎么识别、哪些地方用了 AI、流式生成怎么实现且不丢字、是否只用了语言大模型、实习逐条经历;随后问优缺点与实习规划,进入 Agent 设计——如何设计一个旅游 Agent、用户历史记忆与当前输入冲突怎么办、历史记忆与知识库冲突怎么办、平时用 Agent 做什么、怎么做项目与怎么验证做得对不对、有没有端到端经历、线上排查思路、公司系统很复杂时怎么办。
吉比特前端二面:旅游 Agent 的灰度数据、工具调用准确率与一道高并发设计
吉比特前端二面从一个旅游 Agent 项目连问三十多题:需求背景与业务场景、前后端如何对齐流式输出、灰度比例与 PV/UV、看哪些业务与技术指标、响应时间与 token 怎么优化、工具调用成功率与准确性怎么统计、知识库切分与检索优化,随后转到 self-attention 与向量点积,比较 Coze 工作流与 Agent、自研与现成 SDK,最后给一道活动瞬时高并发的性能优化题。
嘉立创后端开发一二面:项目亮点、实习分工与飞书文档接 RAG
嘉立创后端开发一面以简历和经历交流为主,聊得比较投机,面完即告知通过;二面集中在项目与实习:具体介绍项目、亮点与个人创新点,实习近期做了什么、是团队安排还是自己推进,工作中怎么用 AI,飞书文档对接 RAG 知识库怎么思考和执行,以及未来职业规划。
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。
美团 Agent 开发一面:Agentic RAG、改地址的权限边界与 DPO 偏好对
美团客服方向 Agent 开发一面备考记录:Agentic RAG 与项目里普通 RAG 在流程上的差异、外卖客服查知识与查订单、改地址分别怎么走(权限、用户确认、执行后核对),训练与评测部分问 SFT 数据怎么做且如何防止训练集与评测集串数据、DPO 的偏好对怎么选以及 chosen 是否一定完全正确、训练后效果怎么评以及哪些情况会让分数虚高,手撕删除链表倒数第 k 个节点。
美团大模型应用算法一面复盘:RRF 融合、双塔与 Cross-Encoder、Golden Set 怎么建
一份按美团大模型应用算法一面进行的模拟备考复盘,三道题:RRF 融合与简单加权的区别及适用判断、Embedding 召回与重排模型在原理上的差异、Golden Set 的构建与忠实度评测的稳定性检查。复盘里承认 RRF 那题把分数和排名说串了,下一步重点补评分量表与重复评分的一致性。
记忆张量大模型全栈实习一面:Agent 项目、ES 检索与红包模块拷打
记忆张量(MemTensor)大模型全栈实习一面:全程围绕简历项目追问,几乎不问八股、也没有手撕。技术部分覆盖 Eino 与 ADK 框架选型、ES 特点与写入机制、BM25 与向量检索及 RRF 融合、RAG 窗口与章节补全、Agent Run 持久化与 SSE 断连补全,以及红包模块的 Lua 脚本、Redis 线程模型与 Kafka 推送优化,最后是反问环节。
微软暑期实习两轮:UURA 面二分 batchSize,技术面追到 BM25 与事件计数接口
微软暑期实习两轮:UURA 面相对简单,问 AIGC 广告链路、素材复用、Valkey 社区贡献与 RDMA 解耦,算法题是给定数组与最大处理次数,二分求最大的 batchSize;技术面偏硬核,从 hybrid search 追到为什么不用纯语义、BM25 为什么低频词也可能高分,再让设计一个按用户与行为取计数的生产接口。两轮都没写出完整代码,最终未通过。
某半导体公司 AI Agent 一面:上下文压缩、记忆机制与 pgvector 被连续追问的 28 分钟
人工智能专业本科、做过 Agent 与 RAG 项目的候选人在秋招中的一面记录:28 分钟里先问学习方式、优势短板与部署经验,随后围绕实习中的 Agent 记忆模块连续追问上下文压缩怎么做、与 MySQL 存储是什么关系、为什么换 PostgreSQL、向量怎么生成与检索、百万级用户的表结构与分库分表依据;中段要求共享屏幕现场调研 Claude Code、Cursor 的记忆机制,结尾留下四个关于压缩阈值、记忆架构与 Agent 是否必须有记忆的问题让候选人整理后回复。
网易有道 Agent 开发三面凉经:记忆模块、多 Agent 分层与 workflow 选型
网易有道 Agent 开发岗三面记录(终面挂):一面问学习方法、DSH 核心、cordis 插件热加载与卸载、Agent 记忆范式与主流架构、为什么用 RAG 做记忆、多跳检索、workflow 与 agent 的边界;二面深挖实习,追问上下文动态注入控权限、为什么不用文件系统做记忆、文件系统为何不适合多租户、多 Agent 的难点,以及教育 Agent 的开放设计题;三面转向效果、千万级用户的记忆系统改造与 AI 工具使用方式。
绿盟 AI 研发工程师一二面:RAG 到 HTTP 与 MySQL,再到上下文压缩与发布流程
绿盟 AI 研发工程师两轮面经。一面从实习深挖切入,问传统 RAG 的流程与问题、知识图谱之外还有哪些解法、HTTP 协议与版本差异、长连接有哪些实现方式、AI 场景为什么用 SSE 而不是 WebSocket、数据库事务特性、索引类型与底层实现、InnoDB 为什么用 B+ 树而不用红黑树 / B 树 / 跳表、慢查询怎么分析、EXPLAIN 走了索引但仍然慢的原因,以及 AI coding 工具的使用占比与问题规避(SDD、subagent)。二面深入 Agent 能力与工程:对话压缩与断线恢复、滑动窗口压缩会不会丢早期内容、checkpoint 与 state 存在哪里、Redis 里的状态与运行时状态怎么同步、Redis 持久化与线上部署、发布与分支管理、多人并行开发怎么处理、AI 工具与限额、Python 协程与 FastAPI 的外部调用注意事项、如何评估 AI 产出的方案、发布后如何快速响应用户反馈,以及「AI 时代怎么看 DevOps」。
OBSBOT 寻影 C++ 客户端一面:Android 组件、RAG 链路与 Reranker 优化
OBSBOT 寻影 C++ 客户端开发一面(11 月 9 日,31 分钟),先问个人情况与快手实习:主要做什么业务、具体功能、去之前有没有 Android 基础、第一个较大需求的模块、群聊新人卡片/自定义消息/弱网乱序的难点、RecyclerView 与 LiveData 的底层机制、团队里 AI 写代码多不多;再问个人 RAG 知识库项目:是练手吗、用 Python 还是 C++、底层原理与链路、怎么测效果、做了多久、手搓还是 AI 辅助、能否共享网站、PDF 切片为什么丢语义与怎么优化;最后是消息队列项目、难点、Reranker 很慢的优化方案、职业规划,以及两个反问(团队在音视频层面的自研深度、校招生半年内的优秀标准)。
OBSBOT 寻影 C++ 客户端二面:同一套项目追问下的深度考察
OBSBOT 寻影 C++ 客户端开发二面(11 月 10 日,40 分钟),问题清单与一面高度重合:个人情况、快手实习的业务与功能、去之前有没有 Android 基础、第一个较大需求的模块、群聊新人卡片/自定义消息/弱网乱序的难点、RecyclerView 与 LiveData 底层、团队 AI 写代码的比例;个人 RAG 知识库项目(练手与否、Python 还是 C++、链路、怎么测效果、做了多久、手搓还是 AI、能否看网站、PDF 切片丢语义与优化);消息队列项目与难点、Reranker 慢的优化、职业规划,以及两个反问。二面通常会在同样的清单上往下追一层,本文按「追问会落在哪」组织解析。
拼多多 AI Agent 岗一二面:RAG 切块评估、记忆分层与多 Agent 协作
拼多多 AI Agent 岗一二面面经:围绕 RAG 的切块策略与效果评估、短期与长期记忆各存什么、多 Agent 如何分工与共享状态、意见冲突怎么处理,以及手写 LRU 缓存,附备考时的答题思路与补强计划。
拼多多人才计划一面:知识内化框架被追问五十个问题
拼多多人才计划一面实录,全程约五十问,几乎每一问都在追问「然后呢」:把高频知识继续预训练进参数的内化框架被逐层拆解——省多少 token、值多少钱、与微调的区别、知识冲突怎么处理、为什么不直接用 RAG、GPU 利用率为何只有 35%、预算砍半先砍哪一步,最后手撕一个动态 batching 调度器。作者的复盘是:准备的是「我做了什么」,面试官问的是「这件事值不值」。
商汤 AI 开发一面:RAG 切片、三路召回与 Memory 设计
商汤 AI 开发一面,没有自我介绍,直接讲实习经历后集中拷打 RAG 项目:文字、图像与表格的切片策略与大小,召回精度评估与重排模型,BM25 等三路召回的原理与优劣,以及 Memory 的设计。
顺丰 AI 开发工程师一面:文档分析 Agent 的架构、RAG 取舍与工程落地
顺丰科技 AI 开发工程师一面,问题集中在一个文档分析类 Agent 项目上:从整体架构、版本管理与证据定位,到 RAG 的引入时机、检索准确率的验证方式,再到工作流编排、Workspace 隔离、容器部署与质量评测。追问的重点不是名词,而是每项技术选择相比更简单的方案多解决了什么、又付出什么代价。
杉川机器人 IT 工程师 一面:HTTP、索引与 RAG 一起问
杉川机器人 IT 岗一面:HTTP 与 TCP、UDP 的区别、HTTPS 加密过程、关系型数据库与三大范式、索引原理与失效场景,以及 RAG、温度、Agent 与提示词设计。
上海城建全栈一面:JS 数据类型、Vue 生命周期与 RAG、Agent 的设计
上海城建全栈岗一面,问题集中在基础与 AI 使用:JavaScript 的基本数据类型、Vue 的生命周期以及在哪个生命周期里写代码、平时怎么和 AI 协作写代码、用的哪个 AI 工具,接着问 RAG 与 Agent 各自怎么设计、学习能力如何、能否快速接手项目,最后是反问与对前端行情的看法。
上海某小厂 Java 后端一面:RAG 分块 Bug、20 亿去重与 CPU 100% 排查
上海某小厂 Java 后端(校招/实习)一面,腾讯会议 27 分钟。前半段深挖智能客服 RAG 项目里最深刻的 Bug(固定 500 字切分切断 Markdown 表格导致尺码推荐偏小),中间连环追问 AI 辅助开发是否降低基础要求、进程与线程、上下文切换、阻塞队列、Redis 数据类型与主从同步、分库分表与分片键、为什么必须建主键,后段是 20 亿 QQ 号去重、千万级 Excel 解析入库两道海量数据场景题,最后考 Linux 上 CPU 100% 的完整排查链路。
虾皮 AI 应用技术面:ReAct、MCP、长上下文与 Agent 记忆八问
虾皮 AI 应用方向技术面,八道题全部集中在 Agent 工程:ReAct 与 CoT 的区别及短板、MCP 与 Function Calling 的异同、长上下文在位置编码与注意力上的挑战、RAG 检索与生成两段的幻觉、Function Calling 的底层原理与格式错误、Agent 多层记忆的存储与生命周期、长时记忆的选择性遗忘,以及多用户共用 Agent 时的记忆权限隔离。
虾皮技术面:Agent 工程八问的答题框架与易错点
同一场虾皮 AI 应用技术面的另一份记录,题目仍是 Agent 工程八问:ReAct、MCP、长上下文、RAG 幻觉、Function Calling、多层记忆、选择性遗忘与多用户记忆隔离。这里按「先给结论、再给机制、最后给工程取舍」的骨架整理每题的答法,并标出容易失分的点。
Shopee 后端一面凉经:Super Agent 架构是不是抄的、Redis 与 MySQL 底层、课程表手撕没过编译
Shopee 后端一面 50 分钟:前半段深挖两个项目——Super Agent 架构里哪些是自己改写、记忆管理用了 spine / refold / ace,被追问是否看论文、项目做了多久;第二个项目问 Redis 底层、关系数据库、MySQL 底层与所用框架。后半段手撕 Hot100 课程表并要求输出不能完成的节点,帖主很快有思路但框架写完编译没过。最后又问 RAG 知识库管理网站、有没有真实用户的项目,以及平时怎么学习。
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。
数字政通 Agent 研发一面:PDF 检索问答链路与拒答设计
数字政通 Agent 研发一面,30 分钟:实习里做的有挑战的任务、HTTP 与 DDS 各自传什么、DDS 失败怎么定位;项目里 paperX 从上传 PDF 到检索问答的流程、为什么选 RabbitMQ、拒答与引用校验为什么这么做、为什么用 LangGraph、数据安全脱敏怎么设计。
上海松鼠 AI 一面:IM、e签宝、RAG 与分片上传,八股从 HashMap 问到 AOP
上海松鼠 AI 一面:前半段拷打项目细节——IM 通讯如何实现、e签宝电子签如何接入、RAG 怎么实现、阿里云 OSS 分片上传如何做并追问网络中断的处理、多级权限怎么实现;后半段八股覆盖 HashMap 与 ConcurrentHashMap、线程池参数与分片上传用的异步线程池、Lock 与 synchronized 的差异及异常时是否死锁、ThreadLocal、Spring AOP 原理、Bean 作用域、设计模式;最后一道系统设计题(用户上传 PDF、解析十几秒、再调大模型 API)与几道 AI 相关开放问题。
泰康资产总部软件开发一面:multi-agent 怎么编排、向量与关键词怎么一起召回、URL 到渲染全流程
泰康资产总部软件开发一面,全程约 20 分钟,1 对 3 视频面试(三位面试官坐在同一间会议室):HR 先让做 2 分钟自我介绍,第一位面试官问 multi-agent 项目的编排方式、各 agent 的职责与协作、每个 agent 的调用次数、RAG 的向量知识库与召回、向量与关键词如何同时召回、两者分别适合什么场景与权重怎么分配、向量相似度的含义,再考两道基础题(浏览器输入 URL 到页面渲染发生了什么、进程与线程的区别);第二位面试官问过往工作经历为何离开;HR 收尾问毕业时间、秋招进展与能否来北京实习。
淘天 AI Agent 一面:本体化与 RAG 之争、三层 Agent 架构与记忆设计
淘天会员技术团队 AI Agent / 大模型应用研发一面:先用大半场追问「能力开放与本体化」项目——本体和普通 RAG 的区别、是否全量本体化、效果提升来自结构还是人工整理、强 Schema 校验相对 Tool Calling 的必要性、维护门槛由谁承担;随后深挖个人项目「航旅故障排查 Agent」,围绕三层架构是否等于三个 Agent、为什么不用单 Agent ReAct、混合检索与自适应 RAG、无生产环境时指标从哪来展开;最后是 Agent 组件、System Prompt 组织、上下文压缩、会话存储、暂停与恢复、记忆的时效与衰减。
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。
腾讯混元后台一面:手写令牌桶、synchronized 与 volatile、Redis 限流
腾讯混元后台一面(帖主以模拟备考题单形式记录)。四道主线题:手写令牌桶算法并处理并发下「两个请求同时读到还剩一个令牌」的竞态;synchronized 与 volatile 的区别,用 count++ 说明为什么 volatile 不够;Redis + Lua 如何应对百万级队列式并发限流,追问请求在哪里排队、什么时候扣额度、排太久怎么办;以及什么是 RAG,要求顺着切块、索引、检索、生成讲完流程。
特斯拉 .NET 开发 三面凉经:英文面与 RAG 追问
特斯拉 .NET 开发三面复盘:一面英文自我介绍与面向对象系统设计,二面后端八股,三面追问 RAG 文章数量与方案选择,并要求英文表达求职期望。
天娱数科算法一面:GRPO 与 DPO 的取舍、奖励设计与小学生问答的知识边界
天娱数科算法一面约 30 分钟:自我介绍与实习经历后,追问实习内容是否上线、部门归属与组内结构、做的偏应用侧还是真正的算法;项目部分问为什么用 GRPO 与 DPO、奖励怎么设置、除了调奖励还有什么办法防止模型走捷径;随后给一道场景题——做面向小学生的英语问答模型,回答三年级问题时会出现初中甚至大学内容,如何训练让它最多只做四、五年级的拔高,面试官提示可用 RAG 与知识图谱限制知识边界;最后问上一段实习地点与离职原因、研究生课题与反问。
老虎国际 Java 实习一面:全程围绕项目拷打场景题
老虎国际 Java 实习一面,几乎全部围绕项目问场景题:HashMap 多线程问题、异步处理、线程池配置、事务不生效、大数据量多条件筛选、并发预约防重、Redis 场景题、缓存过期瞬间涌入 200 个请求怎么处理、黑名单,以及项目里的 RAG 深挖。
腾讯音乐 TME 前端二面:微前端隔离、文件指纹与 RAG 设计
腾讯音乐 TME 秋招前端二面约 55 分钟:先做一道矩形布局划分的算法题,随后围绕性能优化与上传模块深挖,连续追问微前端的 JS/CSS 隔离与沙箱实现、文件指纹计算、多宿主 JSBridge 的封装与排查,最后考察 Agent 上下文压缩、RAG 的适用边界、非父子组件通信与 Zustand 原理。
TME 测试开发一面:权限越权、知识库切分与 100 分片上传 md5 缺失的测试点
TME 测试开发一面约一小时:项目拷打围绕权限系统的越权与数据泄露、知识库的差异化切分与元数据、BM25 与 embedding 的适用检索、漏召回排查与重排权重;随后问版本发布测试流程、印象深刻的 bug,以及三个测试场景:100 个分片上传成功但后端 md5 校验缺失、随机均匀分流到 100 个桶的用例设计、两线程同时扣减库存为 1 的商品;手撕为 SQL 与 JSON 读取。
同程全栈一面:检索子 Agent 设计与前端八股连问 25 题
同程全栈一面从实习项目切入,连续追问检索子 Agent 的拆分理由、上下文爆炸、结果回传与可信度验证、双路召回与降级、bundle 体积治理;后半段是输入 URL 到页面可交互、首屏优化、内存泄漏、CORS 预检与凭证,最后一道逻辑题是两个鸡蛋测 100 层楼。
同程旅行 Java 后端二面:多数据源接入、分片上传幂等与 RAG 效果验证
同程旅行秋招 Java 后端二面(11 月 10 日):围绕一个多数据源接入项目连环追问——不同来源的数据格式怎么隔离、新增来源怎么评估改动范围、上传可靠性与快照幂等、分片上传与幂等键设计,再问前后端分离的前端搭建、微服务划分、RocketMQ 异步解耦、接口耗时分析与优化,最后追问 RAG 解决什么问题、引入前后怎么对比验证。
通联数据大模型应用面:PDF 解析选型、Reranker 与 LangGraph 之辩
通联数据一面集中在 RAG 工程的选型与理解:项目是否从零自研、有没有做框架调研、PDF 解析为什么选 PyMuPDF、嵌入模型为什么选 BGE-M3、有没有对比其他模型、加 Reranker 的原因是什么(面试官认为候选人没真正理解精排)、如何做证据溯源(回复要标出被召回的句子或段落并高亮)、除 chunk 层面还有没有别的办法;第二个项目追问还了解哪些 Agent 框架(LangGraph、LangChain、DeepAgent、Pi Agent SDK)、各自区别与适用场景、LangGraph 的缺点,面试官指出其对 LangGraph 版本与封装程度的认知已过时。
Agent 方向技术面:Agent RAG、LangGraph、harness 与上下文管理
一场 Agent 方向的技术面追问:Agent RAG 与传统 RAG 的区别、LangChain 与 LangGraph 的使用情况、对 harness 架构的了解、上下文窗口管理的几种方式(截断、memory 文件、摘要),以及 LLM 底层如何生成答案。作者复盘自己只做过应用层,底层机制答不上来。
27 届实习转正面:混合检索怎么融合、评测集怎么建、长对话压缩会不会把信息压没
一场实习转正面试,前半段问求职动机、离职原因、期望薪资与 Git 冲突处理,后半段围绕实习项目深挖:混合检索两路结果怎么融合、RAG 检索做了哪些优化、评测集怎么建立、中文与越南语混合文档怎么处理、错题路由规则与「规则 + 大模型」双路判定如何结合、FactStore 存哪些字段、用户修改内容怎么覆盖旧值、长对话如何防止上下文膨胀、二次压缩会不会让原始信息越压越少、多会话并发与会话状态是否持久化。
超聚变 AI 软件工程师(大模型)一面:从 SFT、RAG 切块问到 Agent 循环与 Harness
郑州 base 的大模型岗位一面:先问考研原因与实习强度,再连续追问监督指令微调、RAG 的 chunk 大小、embedding topk 与相似度阈值、rerank 调整、Agent 调用死循环、Agent Harness、ReAct 与 tool calling 是否一回事、怎么判断 Agent 完成任务。项目只写了 RAG 会被追问还有没有别的 AI 模块。
小红书 PE(AI 与全栈)一面:高召回、LangGraph 循环与 SDD 提效
小红书 PE(AI 与全栈)11 月 3 日一面面经:前半段深挖项目,问痛点难点、风险操作、测试脚本是人确认还是 AI 自动执行、项目指标、召回率 95% 的检索设计及高召回的副作用与精度优化、为什么这个场景不用向量召回、LangGraph 如何避免循环调用与任务发散、多 Agent 的异常兜底与记忆;中段是 QPS 上涨与数据库压力、索引失效场景、低基数字段要不要建索引;后段围绕 SDD 开发流程、AI 辅助开发的提效评估与效率损失、技术分歧处理和 AI 时代后端的职业规划。
转转 AI 应用落地实习一面:RAG、单多 Agent 与 FDE 角色
转转 AI 应用落地实习生一面(11 月 10 日),岗位偏 FDE、侧重业务 AI 提效。前半段是动机与稳定性:当前状态、上份实习离职原因、项目职责、团队协作、怎么看 AI 背景下岗位边界模糊、能不能稳定实习三到四个月、怎么和秋招平衡;后半段围绕 RAG 与 Agent:做的是不是传统语义召回、了不了解知识图谱与 GraphRAG、单 Agent 和多 Agent 各适合什么场景、简单任务与复杂任务怎么区分、是否了解 FDE 这个角色。
B站测试开发实习二面:RAG 项目、三数之和与抢券测试方案
B站测试开发实习二面,约 45 分钟,分五段:项目深挖问 RAG 智能问答的整体架构、离线文档解析分块、检索建立与生成流程;手撕 LeetCode 15 三数之和,双指针没调通改用暴力解、去重未处理好没 AC;八股问 TCP 三次握手四次挥手、Python 装饰器、如何判断 MySQL 没走索引;业务场景让设计抢优惠券的测试方案,并追问「显示抢券成功但使用时不可用」怎么排查。
三七互娱后端实习一面:单例模式、CI/CD 链路与 RAG 全流程
三七互娱后端开发实习一面面经,约 50 分钟:自我介绍后问设计模式与手写单例,深挖实习成果——API 文档自动化搭建与 GitLab CI/CD 的触发链路、印象最深的线上 bug 及其排查链路优化;接着问 MySQL 慢查询的排查思路与 EXPLAIN 的 type 类型、协程的理解、K8s 里 Pod 的概念与容器故障排查;后半段全在 AI:RAG 是什么、构建流程与召回流程、用的向量模型、检索结果差怎么排查,以及如果要上线 AI 应用该怎么搭 AI 质量检测平台。面试官建议加强场景思考能力与 AI 应用的可观测性。
Agent 项目面试为什么答对了还挂:Agent、RAG、Tool Calling 的深挖点
一篇讲 Agent 项目面试的长文:为什么用 Agent 而不是 Workflow、RAG 的切分与混合检索、Tool Calling 的失败处理与幂等、LangGraph 的 State 与 Memory、以及怎么证明优化有效。
Agent 面试怎么练到能接住追问:RAG 答错先查什么、上下文压缩保留什么
一篇 Agent 面试练习方法帖:用「先口述、再加条件」的方式练追问,并给出 RAG 答错排查、上下文压缩、工具超时恢复三道题的参考答法。
16 家 AI 公司面经汇总:8 道高频题与答题要点
汇总字节、百度、美团、滴滴、腾讯等 16 家公司 AI 岗面经后归纳出的 8 道高频题:不用框架手写 Agent 的模块拆分、RAG 召不到数据怎么排查、Agent 记忆管理与压缩、MCP/Skill 工具接入、KV Cache 与长文本显存、MoE 路由与负载均衡、LoRA 原理与 rank 选择,以及 Agent 开发与传统前后端开发的本质差异。
扒了 35 家 AI 公司面经,考最多的居然不是 Transformer
汇总 35 家大模型公司约 600 道面经题后的高频考点复盘:出现次数最多的是 KV 缓存与显存计算,其次是 MoE 的路由与负载均衡、Prompt 与 RAG 和微调的选型,以及面向海量用户的聊天助手系统设计。
RAG 取不到数据怎么排查?三个回答层次见水平
AI 岗面试真题「RAG 取不到数据,你怎么排查?」的三层答法对比:只说要换 embedding、调 topK 与阈值的背题式回答;按数据是否入库、chunk 切分、query 匹配、rerank 四层定位的项目级回答;以及只有真在生产环境踩过坑才说得出的细节——表格被当纯文本切掉行列结构、口语化提问需要先改写再检索。
阿里巴巴 AI Agent 研发一面面经
阿里巴巴 AI Agent 研发一面,先手撕最长有效括号与岛屿数量(DFS、BFS 两版),再围绕 CR Agent 的架构取舍、Workflow 与自治 Agent 选型、ReAct 与 Plan-and-Execute、Skill、MCP 与 Function Calling 的分层与渐进式加载、Harness 与框架关系,以及上下文压缩、工具兜底、多 Agent 冲突、RAG 排查和缓存一致性展开。
阿里 AI 应用开发实习一面:长期记忆落地、Milvus 索引选型与 Agent 执行框架
阿里 AI 应用开发实习一面:从长期记忆模块怎么从需求做到上线讲起,问 Milvus 各索引类型的构建与取舍、Agent loop 如何避免死循环与状态污染、为什么选 Milvus + Mem0 而不是 pgvector 或 ES、RAG「检索对但回答错」怎么逐段定位,最后落在多工具统一执行框架的参数校验、超时重试与权限分层。
阿里千问 AI 应用研发一面面经
阿里千问方向 AI 应用研发一面,40 分钟几乎全在拆解私人 RAG 项目:CSV 解析、文档切片、向量加 BM25 双路检索、多跳检索、Query 改写、文档访问控制、PII 脱敏、长对话摘要压缩与 harness 数据流。
安恒信息 Python Agent 开发实习一面面经
安恒信息 Python Agent 开发实习一面(约 30 分钟):面试官是 Vue 前端方向,问题围绕实习经历与项目沉淀展开,重点追问平台评测依赖大模型时结果不靠谱怎么处理、Agent 多轮工具调用的上下文膨胀有没有裁剪策略,以及代码是手写还是依赖 AI;最后给出「计算机基础要继续巩固、AI 项目经验提炼不足」两条建议。
蚂蚁智能体一面:从 MCP 工具发现一路追到知识图谱为什么两跳就够
蚂蚁智能体一面 59 问几乎不问八股:先追问 MCP 的工具列表怎么进上下文,再问 request 怎么组装、response 长什么样,最后落到向量库与知识图谱各自的适用边界。
蚂蚁 Agent 开发一面:ReAct 与 Plan-Execute、切块策略与上下文压缩
蚂蚁 Agent 开发一面从项目深挖切入,系统追问企业级 Agent 的准入标准、异构资料清洗、ReAct 与 Plan-Execute-Replan 的取舍、RAG 与 Skill 的边界、检索链路的处理顺序、Chunk 切分与噪声抑制、多路检索合并排序,以及记忆分层与上下文压缩的触发条件。
蚂蚁集团智能体一面:从 MCP Client 问到知识图谱,60 个问题一路追到设计动机
蚂蚁集团智能体一面共 60 个问题,分三块:MCP 与 Skill 及模型 API 的请求组装、LangGraph 编排与向量检索、知识图谱与模型训练成本。面试官不给标准答案,一路追问「为什么这么设计、换个做法行不行」。
蚂蚁集团 AI Agent 开发复活赛二面:CR Agent 三级架构深挖
蚂蚁集团 AI Agent 开发岗复活赛二面:以候选人亲手做的风控归因 Agent 为主线,围绕 Markdown 记忆管理与 RAG 的取舍、语义匹配准确性与匹配错误的兜底、Agent Teams 与 Workflow 编排的对比、多工具调用的执行流程与顺序、function calling 的底层机制、短期与长期记忆的实现、MCP 解决什么问题,深挖三级 Agent 架构的分层理由与上下文传递;另考多模态文档解析的早中晚融合取舍、纯视觉模型改造为 VL 模型要重设计哪些模块,手撕二叉树最近公共祖先,面试通过进入后续流程。
蚂蚁集团 AI Agent 应用面经:12 道题的回答思路与追问方向
蚂蚁集团 AI Agent 应用面经:同一位作者在同一场面试后整理的 12 道题,覆盖 Agent 记忆与 RAG、多 Agent 与 Workflow、无人审核的稳定性、工具调用与 MCP 降级、中心调度、KV Cache、B+ 树、GIL 与线程安全最小栈。
汽车之家后端一面:JWT 鉴权、Java 基础与规则引擎
汽车之家后端一面,45 题覆盖项目、鉴权与 Token、AI Coding、Java 基础、大模型/RAG、Drools 规则引擎、OpenClaw/Agent、Redis SETNX 与超卖、延迟队列与 MQ 选型、MySQL 事务隔离,最后是职场场景题与反问。鉴权方案与规则引擎的动态能力被追得最深,面试官还追问了 AI 工具的实际提效与对岗位分工的影响。
百度后端一面(70 分钟):分片上传、布隆过滤器与 Agent harness 连环追问
百度后端一面持续 70 分钟,手撕三数之和,主体是项目深挖:分片上传的并行与合并、如何保证分片不重传、布隆过滤器误判原因、Redis 锁粒度与释放方式、CI/CD 搭建、线程池参数来源;随后转到 AI 工程——Agent harness 怎么理解、高风险审批怎么做、Claude Code 的记忆体系与 memory 评测回放、RAG 与 GraphRAG 的差别;八股覆盖 MySQL 回表与 B+ 树、Redis 数据结构、协程进程线程、CAS、用户态内核态、限流角度、排序稳定性。
百度前端面试:JSX 与 Babel、SSE 流式输出与 RAG 多路召回
百度前端面试面经,题量大且偏工程与 Agent 方向:从 JSX 与 Babel 编译原理、浏览器渲染流程,到 React Hooks 缓存与虚拟 DOM、JSBridge 与 WebView 跨端;再到短轮询与 SSE 与 WebSocket 的选型、Webpack 构建流程与 Loader 和 Plugin 的区别;最后落到 Skills 与 MCP 与 A2A 的层次、Harness 工作流、Agent 上下文管理、RAG 多路召回与索引的必要性,并以二叉树层序遍历收尾。
佰聆数据 AI 应用开发一面:JSON 校验、BM25 与向量融合、温度参数
佰聆数据助理 AI 应用开发(转正实习)一面记录:Python JSON 校验与 FastAPI 底层、元组与列表、微调学习率判断、KNN/HNSW 与 BM25/向量检索的融合、AgentScope 建 Agent 与温度参数的底层原理。
测试开发岗一二三面全记录:Python、RAG 项目与质量工程 84 问
一场覆盖三面的测试开发岗面试完整记录,共 84 问:一面按九大块展开——Python 语言与基础编程、Web 后端与接口(FastAPI/Pydantic/Session 与 JWT)、数据库与中间件运维(B+ 树、慢查询、Redis 大 key、Git、Docker Compose、Linux 排查)、测试基础与质量工程(pytest fixture、集成测试边界、故障注入、评测集构建、准确率召回率)、多知识库 RAG 问答系统深挖(切片策略、向量与 Reranker 级联、缓存三兄弟、答案溯源、P95 指标)、Text-to-SQL Agent 深挖(LangGraph 状态流、SQL 安全闸门、双重回炉重试、双执行路径校验、Prompt 迭代评测)、后端实习经历、AI RAG/Agent 测试、综合问题;二面为技术总主管面(性能瓶颈定位、离线评测全绿但线上出错、测试左移、幂等测试、脏向量检测、AI 评测平台核心模块等),三面为 HR 面。
BIGO 客户端秋招一二三面:JVM 线程池、项目深挖与算法手撕
BIGO 客户端三面记录:一面考 JVM 内存、HashMap、线程池、HTTPS 链路,手撕链表判环与合并区间;二面深挖快手数字人项目和 RAG,追问消息队列、任务编排与各种锁;三面考状态机隔离与 RAG 入库,手撕差旅费用贪心。
BOSS 直聘 Agent 开发面经:从 Transformer、LoRA 追到工具调用率与意图路由
BOSS 直聘 Agent 开发面经:八股从 Transformer 架构、微调方式、LoRA 讲到数据库索引的三个连环问,项目部分深挖 Agent 实习里的知识库效果排查、工具调用率、分层路由跑偏、残缺语义的意图识别,以及要不要用 skill 替代专门的意图分类模型。
字节跳动Agent算法一面:Agent指标评估、混合召回与RAG向量检索
字节跳动 Agent 算法一面面经,考点集中在 Agent 上线后的评估指标与耗时、子 Agent 边界划分、混合召回与检索顺序、RAG 分块与 embedding 选型、向量检索隔离与 LLM 修正防改错。
字节跳动 Agent 算法 一面二面:RAG、记忆分层与上下文压缩
字节跳动 Agent 算法一面二面汇总,围绕 Agent 项目重构、ReAct 与 Plan-Execute-Replan、RAG 与 Skill 的取舍、文档切块、检索融合、记忆分层、上下文压缩、Computer Use 和 AI Coding 工作流展开。
字节跳动 AI Agent 开发一面:90 分钟共享屏幕看代码
字节跳动抖音电商 Agent 开发一面,90 分钟全程共享屏幕看代码,面试官按每个回答往下挖 3 到 5 层:Planner 与 Executor 的异步调度和状态持久化、ReAct 落地细节、tool call 校验重试、上下文压缩与大结果处理、多 Agent 文件冲突与断点续传、路径震荡与行为漂移、评测集构建与成本控制、Harness 与框架取舍、记忆系统与注入防护,最后手撕嵌套 JSON 合并。
字节跳动 Agent 开发日常实习一面面经
字节 Agent 日常实习一面,深挖 Agent Runtime 的框架选型、Agent 间通信、LangGraph 中断恢复与 reducer、上下文压缩、Task DAG 故障恢复、CAS 锁,以及 benchmark 设计、Redis 向量检索和 Hit@k/Recall@k/MRR 指标。
字节 Agent 全栈研发一面题单:从 Agent 项目讲到 SSE 断线恢复
按 Agent Journey 收录的字节相关面经整理的一份一面备考题单(原帖明确说明题目来自不同记录、不是同一场面试实录):Agent 项目走查、意图越界与长对话压缩、多 Agent 分工,再到 SSE 断线恢复、工具调用参数分段、消息队列与请求的对应关系、Tool Calling / MCP / Rules / Skills 的区别,最后是 RAG 与长期记忆、Redis 限流、MySQL 日志与联合索引,以及手写并发上限为 2 的异步调度器。
字节跳动 AI Agent 开发二面面经
字节跳动 AI Agent 开发二面,从项目深挖切入,覆盖长期记忆的存储与读取、上下文压缩取舍、多 Agent 协作防死锁、单 Agent 与 Workflow 选型,以及父子切块、混合检索与重排、向量库更新失效;八股部分考 HTTP 与 RPC 选型、HTTPS 与根证书、进程线程与协程、GC 策略、缓存三大问题,另有日志统计手撕与效果评测。
字节面经-字节跳动AI Agent开发岗面经-08
字节跳动 AI Agent 方向五场面试合集:从 Coding Agent 的工具调用链路、上下文与持久化策略、安全执行边界,一直追到 RAG 混合检索与评测体系,另含 MySQL 索引、Redis Bitmap 计数等基础八股和手撕算法。
字节跳动 AI Agent 开发一面:RAG 排查、Tool 编排与后端基础
字节跳动 AI Agent 开发一面面经:自我介绍与实习项目之后,RAG 部分问整体流程、检索相关性差的排查思路和真实踩坑,Agent 部分问 Agent 与 Workflow 的区别、多 Tool 设计与多 Agent 的任务分配和信息共享,八股考 MySQL 索引失效与 B+ 树、Redis 数据结构与缓存三大问题,另有 MCP 协议、Skills 本质、从零设计 AI IDE、RocketMQ 消息积压和二叉树层序遍历手撕。
字节 AI 应用开发二面:Plan+Execute、显存与三数之和
字节 AI 应用开发二面:一面近一小时逐点拷打项目,二面问项目背景与场景、模型输入输出与每层意义、为什么选 Plan+Execute 而不是 ReAct、结构化与失败案例、本地部署显存、transformer、RAG 与 C++/网络八股,手撕三数之和。
字节跳动 AI应用开发实习 一面:Agent Loop 的失败恢复与长期记忆
字节跳动 AI 应用开发实习一面:围绕短视频创作 Agent 的模块挑战与技术选型,深入追问 Agent Loop 的超时失败恢复、短期与长期记忆的划分和写入、Memory 与工具调用的难度对比及百万级记忆召回。
字节 AI 全栈一面:Agent 资金流转、幂等与消息队列 ACK
字节 AI 全栈一面:先深挖实习 Agent 项目的资金流转、检索增强、意图识别、工具约束与评测口径,再问后端项目的 Redis 限流、Lua 脚本、多级缓存与消息队列 ACK,最后是进程线程与 p99 排查,手撕 top-k。
字节后端一面凉经
字节跳动后端开发一面面经,先围绕 Agent 与 RAG 项目深挖请求链路、工具执行方式、熔断降级与检索评测,再转到进程线程协程、内核态用户态切换、乐观锁悲观锁等并发八股,最后手撕力扣 253 会议室 II。
字节后端一面:布隆过滤器、幂等设计、Redis 持久化与 RAG 评估
32 问的深挖型一面:从技术选型问到注册链路的布隆过滤器与分布式锁、requestId 幂等与二次校验、限流维度、Redis 持久化与缓存一致性、Stream 消费语义与宕机恢复、RAG 全流程与多知识库融合、HashMap 与两阶段提交、线程池设计与流式补发,最后是 GC 算法。
字节中国交易与广告后端一面:GMP、Go GC与Redis集群
字节跳动中国交易与广告部门秋招后端开发一面面经。面试围绕实习经历展开,技术考点集中在 Go 的 GMP 调度与垃圾回收、内存泄漏排查、Redis 的单线程设计与集群方案、MySQL 事务隔离级别与脏读幻读不可重复读,另外深挖了简历里的 AI 项目与记忆系统、RAG 方案,最后是一道 Hot 100 算法题。
字节后端一面:知识库 Agent 全链路拷打——异步入库、分块策略、混合检索与工具限流
字节后端一面以知识库 Agent 项目为主线:向量化与入库的同步/异步取舍、任务中断后的幂等恢复、文档分块策略、为什么用向量检索以及混合检索怎么合并排序、向量索引选型、多工具调度的并行与限流、消息队列异步化后 Agent 循环怎么等待;八股部分问 MySQL 事务四大特性与实现机制、进程与线程的区别;手撕力扣 25「K 个一组翻转链表」。
字节后端一面:RAG 召回、MySQL 慢查询与秒杀库存一致性
字节后端一面面经:先问 RAG 项目的召回准确度、文档规模与继续提升召回率的手段,再考 MySQL 慢查询排查思路、Spring 中设计模式的应用;项目部分逐层深挖缓存承担的职责、缓存与数据库怎么同步、双写并发下的不一致风险,以及 10 个库存面对 1 万 QPS 的秒杀稳定性设计。手撕题是最长有效连续括号子串。
字节后端开发日常实习 一面(已挂)
字节后端开发日常实习一面:项目里挑一个精妙设计讲讲、RAG 用的向量召回方案、知识问答系统调 LLM 的参数与输入输出;两道算法题(用数组数字组成小于给定整数的最大数、最小子数组和);八股问 Redis 写超容量、淘汰机制与持久化。
字节集团信息系统后端实习一面:Plan-Execute-Replan、SSE 与 RAG 切块
字节跳动集团信息系统后端日常实习一面面经:后端项目部分问性能评测流程与和 AI 协作的 Prompt 技巧;Agent 项目部分深挖 Plan-Execute-Replan 与 ReAct 的架构差异、SSE 与 WebSocket 的选型、用 RAG 而不是把知识写进 Skill 的理由、chunk 大小与多路召回的融合;八股只问了 MySQL 索引与回表;手撕二叉树最近公共祖先。
字节抖音前端二面:事件循环、渲染管线与手写 querySelector
字节抖音前端二面:浏览器事件循环与渲染全流程、defer/async、Symbol、CSS 优先级、Vue3 响应式、Webpack 与 Vite、性能优化、大文件上传、RAG 注入防护与 Agent 成本控制,手写精简 querySelector。
字节面经-字节跳动前端开发岗面经-08
字节跳动前端开发岗三场面试合集:一面围绕 SSE 对话续传与虚拟列表深挖实习项目,再追问 RAG 检索链路、浏览器渲染流水线、HTTP/3 与 TCP 拥塞控制;二三面覆盖 canvas 与 X6 渲染性能、双 Token 无感刷新、埋点指标与自研 Agent 框架。
字节即梦后端实习一面面经
字节即梦后端实习一面:岗位 JD 偏 Agent 开发与后训练,面试大部分时间在问项目,其中一道题问为什么代码检索从 RAG 转向了图检索(GraphRAG),另一道是场景设计题——股票交易推荐 Agent 有 8000 token 预算,突然来了 20000 token、分三类 JSON 的数据,要求给出处理方案并写代码。
字节 Seed 飞书 AI 日常实习面经:麻将判胡改代码与限流器排错
字节 Seed 飞书 AI 部门日常实习:一面给一段有问题的麻将判胡代码找错并设计动态配置,二面给一段有问题的高并发限流器代码,途中穿插 RAG、索引与缓存三兄弟。
字节跳动 Seed 飞书 AI 后端实习一二面:麻将判胡 aicoding、RAG 链路与缓存三件套
字节 Seed 飞书 AI 后端日常实习的一二面:一面现场改麻将判胡代码并追问动态配置、RAG 链路、MySQL 引擎与索引、缓存三件套与消息重复消费,二面是限流器代码找问题加手写一个简易检索系统,其余时间都在追问实习。
重庆长安民生物流复面:排产优化的约束与决策变量、RAG 全链路与 Top-K 打分
长安民生物流复面全程只问项目与实习、没有八股:先深挖实习里的排产优化——用什么优化方法、约束函数与决策变量是什么、怎么限制约束、怎么找最优解;再整条 RAG pipeline 过一遍——系统包含哪些工作流与数据流转、单路检索怎么做、Top-K 是什么与打分是拿谁和谁比、Corrective RAG 与 Adaptive RAG 各用在哪个环节、端到端耗时、两路检索的融合策略,以及「正确答案被排到后面」怎么处理。
长鑫存储 Agent 开发实习一面:BM25、双路召回与 Rerank
长鑫存储 Agent 开发实习一面,全程围绕简历里的 Agent 项目与一个 Java 后端项目展开,会当场打开 GitHub 核对提交记录;技术追问集中在 BM25 的底层原理、为什么要做稀疏稠密双路召回、Rerank 的算法原理、Agent 业务框架与多租户设计,没有手撕。作者 9.28 投递、9.30 约面、10.9 一面,10.13 拿到 offer。
长鑫存储 AI Agent 开发一面:ReAct、MCP 与 RAG 全链路 30 分钟连问
长鑫存储 AI Agent 开发一面,严格 30 分钟:从个人 AI 助理的单/多智能体架构与长短期记忆切入,连问 ReAct 的实现与缺陷、MCP 与 Skill 的原理和区别、DeepSeek Harness 的插件化设计,再转到 Redis 分布式与秒杀链路,最后是 RAG 全流程、Query Rewrite、召回与耗时优化。
携程 Agent 一面:多 Agent 协同、RAG 与意图路由
携程 Agent 一面,从项目切入连续追问多 Agent 协同、RAG 核心流程、context engineering 与 prompt engineering 的区别、召回率计算与优化、Agent 产出评估、bad case 回流、意图路由与多意图处理,以及历史记录导出和 LangChain/LangGraph 选型。
携程 Java 开发 AI 面面经(10.08,全程 50 多分钟)
携程 10 月 8 日 Java 开发 AI 面试记录,全程 50 多分钟且追问极密:从自我介绍与协作经历谈到岗位理解,再到 ConcurrentHashMap、CAS 与 ABA、MySQL 查询流程与优化器选错索引、浏览器到页面渲染,最后是一道千万级积分排行榜的设计题和多轮 RAG 项目追问。
携程 Java 后端 AI 面:InnoDB 锁、ConcurrentHashMap 扩容与 RAG 评测 12 题
携程 Java 后端开发 AI 面的 12 道题记录,题型偏系统设计与并发深度:MySQL 在 RR 隔离级别下范围 UPDATE 为何锁住不存在的记录、非唯一索引的锁范围变化、走了索引仍然很慢时如何区分回表成本与统计信息失真;ConcurrentHashMap 扩容如何避免重复迁移与数据丢失、size() 为何不是精确快照;还有跨境电商库存预占的重启补偿、CAS 无法保证业务不变量的原因、RAG 离线评测高但上线没用的评测重设计、线程池任务堆积但 CPU 低、Redis Cluster 主从切换丢写、向量索引膨胀与召回同质化,以及 HTTP/2 在弱网下的队头阻塞与 HTTP/3 的改进。
携程大模型算法一面 12 问:Agent 协同、RAG 流程与评估体系
同岗位另一份一面记录:12 问集中在 Agent 协同机制、RAG 流程拆解、context 与 prompt 的分工、召回率的算法和优化优先级、Agent 效果评估,以及意图路由的误判兜底。
携程大模型算法一面:多 Agent 协同、RAG 全链路与意图路由
携程大模型算法一面 12 问:多 Agent 怎么协同、RAG 全流程怎么走、context engineering 与 prompt engineering 的边界、召回率怎么算和怎么优化、Agent 输出怎么评估、意图路由出错怎么兜底。
CVTE 一面面经:Kafka、Redis 与 SSE 选型
CVTE 一面凉经,无手撕共 10 题:Kafka 消息丢失、Redis Bitmap 设计、RAG 文档分块、SSE 与 WebSocket 选型、Agent 意图理解、OOM 与慢索引排查、设计模式、浏览器请求全链路。原帖未写明具体岗位。
长鑫存储 AI 全栈一面:ReAct 与 Workflow 怎么选、harness 会不会被模型吃掉
长鑫存储 AI 全栈开发一面:前半段是 Java 线程与死锁的常规八股,后半段全部围绕 AI 工程——RAG 切分策略怎么调、ReAct 与 Workflow 各自的适用场景、harness 与模型的关系,以及「模型变强后 harness 是否会被取代」的看法。
得物后端一面:RAG 召回与生成归因、多轮意图与可观测性
得物后端一面只问 AI 项目:物流客服智能助手的背景与选型、切分与 top-k、召回问题和生成问题怎么区分、multi-query 的收益与副作用、BM25 适用场景、多轮摘要的意图保持、MongoDB 存上下文、召回率升但准确率降、偶发慢请求定位。
得物 Golang 一面:并发 map、超时控制与 Agent 设计
得物 Golang 开发一面记录:从 goroutine 与操作系统线程的关系切入,连环追问并发读写原生 map 的崩溃原因、去掉运行时标志位校验和写不同 key 时的后果,随后是 800ms 预算下并发查三个下游的超时设置与 context 取消、大批量查询的并发限制,最后落到 MySQL 唯一索引与 Redis 分布式锁的订单幂等方案,以及客服 Agent 的双数据源检索、工具参数校验、工具膨胀与回答质量评测。
得物 Java开发工程师 二面
得物 Java 开发二面凉经:基本不问八股,全程拷打实习产出与 AI 工程实践,追问 ReAct 与 Plan-and-Execute 的区别、意图识别、AI 代码质量保障、Java 泛型与泛型擦除,以及 RAG 准确率如何提升。
滴滴 Agent 岗面经:智能客服与行程规划 Agent 设计
滴滴 Agent 岗面经,全程围绕真实项目与技术选型追问依据:智能问数的数据误差归因、幻觉优化、知识库增强与微调的适用边界、基座与微调数据选择、评估体系、verl 中的 agent loop、GRPO 与 on-policy/off-policy 取舍,以及出行场景智能客服的对话状态管理、工具编排、兜底与服务质量评估,行程规划 Agent 的长流程上下文、断点恢复、多 Agent 并发改文件的冲突处理,手撕买卖股票 II 与编辑距离。
滴滴实习一面:唯一的八股是 RAG 流程,剩下全在拷打项目和论文
滴滴实习一面:整场只有 RAG 流程一道八股,其余时间都在深挖实习、项目和论文,手写了一道 LRU。面完十分钟 HR 就来电话沟通入职时间。
滴滴大模型算法岗面经:多头注意力、GRPO 与 RAG 全链路九问
滴滴大模型算法岗一面九问,一条线从模型原理拉到 RAG 工程:多头注意力的动机与单头局限、GRPO 与 PPO 在 RLHF 里的核心区别、vLLM 的吞吐来源、推荐系统为什么引入 RAG 及知识库的构建流程、嵌入模型为什么选 BGE 与 FAISS 索引怎么建、chunk 划分策略、什么场景需要 GraphRAG、超长输入的几种主流解法,最后手撕乘积最大子数组。
滴滴大模型算法岗面经(同场第二份记录):从注意力机制到 GraphRAG
同一场滴滴大模型算法岗面试的另一份作答记录,九问原样一致:多头注意力与单头局限、GRPO/PPO 的差异、vLLM 为什么快、推荐业务里 RAG 的来源与构建、BGE 与 FAISS 的选型、chunk 策略、GraphRAG 的适用场景、超长上下文解法,以及乘积最大子数组。这份记录把同一组题按「原理—工程—业务—手撕」重排了一遍,更适合当作复习提纲。
多益网络校招面试(技术面 + HR 面)
多益网络校招面经,记录从网申、测评、笔试到技术面和线上 HR 面的完整流程:技术面围绕检索与 Agent 项目深挖,问了上下文熔断、BM25 与向量索引重排序和 RAG 全流程,HR 面则复用网申观点题并追问加班看法。
多益网络软件开发一面:49 题全程记录,从熔断阈值到实时路况设计
多益网络软件开发一面(约 40 分钟、带时间戳的 49 题全记录):先深挖 RAG 项目的三态熔断与优先级降级链、工单质检的性能优化,再问 Java 语言基础、线程池、Spring 注解与自动装配、Redis 缓存与 Redisson 看门狗、MySQL 索引与 N+1,最后是三道设计题(实时路况、红绿灯倒计时)、AI 辅助编程的长期维护与一道回溯算法。
飞猪测试开发一面:RAG 测试用例检索与知识库可靠性
飞猪测开一面:从实习发版节奏问起,重点深挖测试用例 RAG 检索、知识库构建与存储、召回准确率评估、新需求知识更新和 AI 辅助代码生成。
高斯信息技术 AI 开发工程师一面:BERT微调与LangGraph编排
高斯信息技术 AI 开发工程师一面面经:以项目深挖为主线,追问 BERT 微调与知识图谱设计,再考 Transformer、LangGraph 编排、图谱检索与 RAG 差异,以及工程广度与 AI Coding 心得。
极智嘉测试开发一面:接口自动化链路、AMR 避障场景与 ROS2
极智嘉测试开发一面 34 问:接口自动化设计链路与断言、Linux 日志检索与打包命令、性能测试指标、RAG 与多模态 embedding、OCR 多工况测试设计,以及 AMR 机器人避障与路径规划的边界场景、ROS2 基础。
浩鲸一面:Skill 和 MCP 有什么区别、Spring Bean 生命周期、两段式 AI 落地追问
浩鲸一面 20 问,前半段全在追 AI 落地的实现细节:工具和 Skill 怎么被调用、Skill 里的流程、AI 怎么获得 Skill、Skill 与 MCP 的区别、向量库与 RAG 场景;后半段回到 Spring Bean 生命周期、AOP/IOC、Kafka 结构与 MQ 选型。
恒生电子面经-恒生电子AI Agent开发岗面经-01
恒生电子 AI Agent 开发岗 4 场面经合集:一面问 JVM、MySQL 索引与 MCP;二面围绕实习项目、Agent 框架选型、Redis 数据结构与持久化、ThreadLocal 线程池复用展开;三面最硬核,从 Python 装饰器、InnoDB 加锁与 B+ 树,一直问到 MCP 交互流程、上下文管理、长期记忆检索、RAG 与微调选型、受控编辑与 LangGraph Checkpoint。
恒生电子 AI 应用开发工程师 AI 面面经
恒生电子 AI 应用开发工程师 AI 面面经:技术侧考 Python 装饰器参数处理、InnoDB 加锁与 B+ 树范围检索、MCP 一次交互的客户端流程;AI 侧深挖上下文管理、长期记忆检索时机、RAG 与传统检索及微调的取舍、受控编辑与评估指标、LangGraph 选型与 Checkpoint 冲突。
华盛通 Java 实习生一面:GC、网络、Spring 事务与 RAG 八股全串
华盛通 Java 实习生面经,全程五十多分钟、无手撕无反问:按主题串联 JVM 与 G1 垃圾回收、HTTP 各版本与 HTTPS 和 WebSocket、JWT 与 Session 的存取、Spring AOP 与动态代理及 @Transactional 失效场景、MySQL 慢 SQL 与索引规则、Redis 集群 Lua 与序列化、线程池参数与批量结果汇总、消息队列模型,最后问 RAG 的演进、落地方式与为什么不用向量库。
华盛通 Java 实习二面:46 问打通 RAG、序列化、Spring MVC 与并发
华盛通 Java 实习生二面面经,四十多分钟共 46 问、无手撕:RAG 链路(大模型、embedding、rerank 的选型)与项目难点,序列化机制与用途,浏览器到服务器的完整请求链路与 HTTP/TCP/HTTPS 关系,Spring MVC 里 DispatcherServlet 的作用,线程暂停与 wait/interrupt/sleep、HashMap 结构与哈希函数设计、ThreadLocal 与阻塞队列、Spring 事务参数与回滚条件,以及 MySQL 索引 B+ 树、分页、分库分表。
华为 10.21 机考 AI 方向:选择题、决策树与 X-Means 聚类
华为 10 月 21 日机考 AI 方向真题:10 道机器学习选择题(Sigmoid、MSE/MAE、注意力缩放、算子融合、RAG、Self-Instruct、子空间维数、ViT token 压缩、t-SNE、PagedAttention),加两道编程题——按信息增益手写决策树判断玩家购买意向、用 BIC 自动选簇数的 X-Means 聚类。
华为后端开发岗面经合集:C++ 编译、TCP 与 RAG 基础
华为后端开发岗三场面经:手撕左上到右下路径数与二分查找,问 C++ 编译产物与过程、各类数据库的区别与选型、Agent 使用;第二场覆盖五层网络协议、磁盘与内存、堆与栈、RAG 原理;第三场是 TCP 建连断开、进程线程、线程池、抓包工具与代码规范。
北京华宇信息 Agent 开发 二面:部门经理与 HR 同场
北京华宇信息 Agent 开发二面由部门经理和 HR 同场:技术侧围绕 Agent 项目的任务拆解、工具调用失败兜底、多轮上下文一致性、单 Agent 与多 Agent 的选择、记忆模块与 RAG 的作用环节、提示词迭代与效果评估;HR 侧问选择岗位的理由、工作地点、分歧处理与成长预期。
华宇信息 Agent 开发社招一面:Agent 与 MCP 的边界、沙箱与上下文压缩
华宇信息 Agent 开发社招(两年经验)一面 20 问:先区分 Agent、MCP、Tool 三个概念与 MCP 的组成部分,再深挖 Agent 内部实现(状态怎么管、任务串行还是并行、上下文压缩),安全侧问到「让 Agent 在目录执行 rm -rf」如何拦截、权限鉴定、沙箱选型;协议部分问 SSE 与 WebSocket 的差异及断网重试由谁实现;RAG 问到召回率低的原因与非向量检索的替代路径;最后是 Spring 注解、Bean 生命周期、SQL 分组聚合与反问题。
9.23 恒生电子 AI 应用开发面试:从 Python 装饰器、联合索引到 RAG 评测与 Agent 规划
恒生电子 AI 应用开发面试的完整记录,覆盖 Python 装饰器与计时契约、联合索引与最左匹配、结构化输出的分层校验、RAG 与微调的边界、Agent 规划与重规划触发器、RAG 评测方法,最后落到 LangGraph 的状态设计与恢复重放。
恒生电子 Java 复试:Agent 项目链路与团队协作综合面
恒生电子南京启金子公司 Java 开发复试:一个面试官,综合面加 HR 面,围绕 Agent 项目收获、入库/分块/多路召回链路、团队协作、base 南京与实习时间展开,十几分钟结束。
恒生电子维护工程师一面面经
恒生电子维护工程师 27 秋招线上一面,围绕岗位匹配、甲方调研实习、RAG 分片与向量检索、环境部署、数据库基础,以及职业规划、客户冲突和抗压场景展开。
恒生电子维护工程师二面面经
恒生电子维护工程师 27 秋招线下二面,两位面试官,技术题偏基础(Java 重载重写、SQL、Linux),重点在项目深挖、客户情绪处理、岗位理解和职业规划。
科大讯飞羚羊一面:Agent 落地、RAG 文档解析与稀疏稠密向量
科大讯飞羚羊团队一面面经。全程围绕简历上的 Agent 与 RAG 项目逐项深挖:有没有真实落地场景、RAG 开发中最难的技术挑战、文档解析里最难的文档长什么样、流程图经 VLM 识别后怎么反哺检索、向量化模型选稀疏还是稠密、MinerU 用私有化还是付费版,最后追问 gap 期间的安排。
影石 Insta360 三面:Agent 幻觉归因与端云分工
影石 Insta360 AI Agent 开发三面:围绕开源选型与项目难点展开,深挖幻觉分类与定位、高风险操作防越权、RAG 与 LangChain 踩坑、评测框架可信度、多 Agent 协作的结构化协议与成本控制,并延伸到硬件场景的端云分工与弱网降级,最后手撕余弦相似度及其百万对向量的优化。
京东后端一面:会话存储分层、RAG 评测指标与中间件取舍
京东后端一面约半小时、无手撕,全在简历项目上追问:活跃上下文为什么有的放 MySQL 有的放 Redis、评测集 recall 卡在哪、RAG 整体该看什么指标、开卷式评测怎么保证可信、大模型写代码的心得,以及两个中间件都能干一件事时怎么取舍。
即剪前端实习一面:支付状态恢复、文件上传优化与 Agent 记忆、权限、RAG 切片
即剪前端实习一面:先问支付流程后端会涉及哪些设计、刷新页面后支付状态怎么恢复;再介绍项目,问文件上传流程与注意点、做了哪些优化;Agent 部分问涉及哪些能力、记忆怎么做、协作怎么做、工具权限怎么做;RAG 问整体流程与优化、检索与切片策略、不同格式文件的切片差异与 overlap 设置、向量检索与 ES 检索的区别。
靖安科技全栈开发三面
靖安科技全栈开发三面面经,全程围绕简历深挖:空域协同指挥平台的十万级无人机渲染、向量检索系统的切片优化与召回重排、运维 Agent 的工具调用与长期记忆机制,以及「故障诊断从 15 分钟缩短到 1 分钟」这类指标的测量方式。
经纬恒润 AI 应用开发一面面经
经纬恒润 AI 应用开发岗一面面经,约 30 分钟、无手撕:开场问转行与离职原因,主体是 RAG 实习项目的双路召回、意图识别、评测指标、文档解析与图片表格处理,以及个人 Agent 项目的框架选型、MCP 与长短记忆实现。
经纬恒润 Java 一面:RAG 上下文满了怎么办、多路混合检索怎么降过检索率
经纬恒润 Java 一面 35 分钟:实习项目占大半,技术问题集中在 RAG——问题重写与子问题拆分、上下文窗口满了怎么办、多路混合检索与过度检索率,之后是 static、HashMap 与设计模式,末尾问学历背景与期望薪资。
金证科技 C++ 开发一面二面面经:多态、STL 与项目深挖
金证科技 C++ 开发秋招一面二面面经,已过并 OC。一面深挖转专业动机与 RAG、Android 项目,技术题覆盖 C 与 C++ 区别、多态、vector 与 list、Lambda;二面确认业务匹配与 AI 开发习惯,末尾是反问。
九方智投 AI 应用开发一面:Java 八股、RAG 调优与智能客服设计
九方智投 AI 应用开发一面:Java 八股从 HashMap、volatile、AQS 问到 InnoDB 索引与 B+ 树,中间夹 RabbitMQ/Kafka,项目部分深挖定时任务、RAG 切分与混合检索,最后让设计一套面向投资理财课程售卖的智能客服。
九方智投 AI 应用开发一面:RAG 分块、混合检索与智能客服设计
九方智投 AI 应用开发(智能应用方向)一面:HashMap 与 volatile、AQS、InnoDB 索引与 B+ 树、Kafka 为什么快,项目侧追问定时任务、RAG 的 chunk 与 overlap 怎么定、为什么要混合检索、检索效果差怎么定位,最后设计面向理财课程售卖的智能客服。
九方智投数仓二面:Agent 知识库怎么测质量,效果怎么拆模块衡量
九方智投数仓开发二面只聊了二十分钟,题目偏开放:Agent 的知识库质量怎么测、各个模块的效果怎么衡量,另外问了科研方向、Flink 原理,最后让用几个词描述自己。作者觉得问题偏抽象,没聊完就结束了。
开云集致 AI应用开发一面:RAG 文档溯源、版本管理与 Excel 解析
开云集致 AI 应用开发一面面经,10 道题集中在 RAG 落地:chunk 出处追溯、文档多版本管理与旧向量删除、向量库字段设计、召回率提升,以及 Excel 合并单元格处理和逐行向量化的取舍。
金蝶一面软件 AI 岗:知识库实时性、授权边界与路线选择
金蝶软件 AI 岗一面十五问:从两个项目与实习里的 AI 使用切入,追问大模型相关问题的解决方式、项目架构与技术选型、知识库数据实时性怎么保证、个人项目与公司项目的差别、信息收集的授权边界,最后问在软件与 AI 两条路线之间更倾向哪一条。
金蝶软件 AI 方向软件开发一面:AOP 顺序、混合检索与 Agent 记忆
金蝶软件 AI 方向软件开发一面,30 分钟、base 深圳:先问绩点排名与竞赛经历,再考 AOP 的实现原理、AOP 与拦截器、过滤器的区别以及多个注解的执行顺序,然后深挖 Agent 项目的混合检索选型与得分融合、滑动窗口加摘要压缩的会话记忆机制、摘要不准确怎么处理、很久之前的会话再次被问到怎么办,最后问如何把知识库做成 Agent,反问加班、业务与 AI 落地、带教机制。
Klook 后端一面:抢购高并发、Redis 扣减与 RAG 里的语义断裂
Klook 后端一面围绕抢购业务连环追问:高并发怎么扛、IP 限流误伤同网段怎么办、Redis 预扣后用户不付款怎么回滚、库存回传的并发;后半段转到 RAG 的表格 embedding、表述不一致与过敏原语义理解,最后落到 HashMap 槽位计算。
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 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。
昆仑万维 27 届校招 AI Agent 开发二面:行程规划 + 推荐系统 + RAG
昆仑万维 27 届校招 AI Agent 开发二面,以「如果让你设计一个功能」为开头连续追问:行程规划 Agent 的工具编排与多轮澄清、RAG 切分与混合检索、生成式推荐的样本与评估、双塔召回与语义 ID、记忆压缩与十万级 QPS 调度,最后手撕双塔前向传播。
乐堡 AI 应用开发四面面经:RAG 项目深挖、Agent 超时熔断与交叉面
乐堡互娱 AI 应用开发岗四轮面经:一面用 45 分钟深挖 RAG 知识库项目(文档分割、召回实现、召回准确度判断、上下文压缩)并追问 Agent 工具调用超时的重试与熔断设计,再补 Java 基础;二面 40 分钟聊项目设计取舍、框架选型对比和一道手撕题;三面 30 分钟交叉面问学习方向与对 AI 应用开发的看法;四面 20 分钟 HR 面谈期望薪资、选择理由、在手 offer 与生活平衡。
联宝科技 AI 应用开发 AI 面:行为面连环追问与 RAG/提示词八股
联宝科技秋招 AI 应用开发 AI 面(40 分钟)面经:前三分之二是围绕简历里多 Agent 项目、记忆模块优化与自媒体的连环行为追问——同一件事换角度反复问、还会引用上一题的回答继续追数据点;后三分之一是 RAG 知识库版本管理、提示词示例设计、指令微调、情感分析等应用层八股,最后是英语朗读、英语作答和四道听力。
猎聘全栈面试:Agent 编排与分布式锁
猎聘全栈开发面试,29 个问题分五块:Agent 项目追问 RAG 检索与召回率、记忆分层与上下文压缩、LangGraph 编排;后端项目追问异步结算链路的幂等与并发抢占、SETNX 兜底层次;八股考 Redis 分布式锁与 Kafka/RabbitMQ 的取舍;最后是 AI Coding 实践与前端全栈能力。
满帮 全栈(后端)一面
满帮全栈后端一面面经:深挖秒杀库存 Lua 脚本与 Redisson 分布式锁选型、本地缓存与 Redis 缓存的取舍、延迟双删与缓存一致性、知识库切分参数(1000 字符 / 200 重叠)、AI 退款意图的拦截、MySQL count 与索引失效、Full GC 排查,最后手撕搜索二维矩阵。
美团 Agent 开发一面:Markdown 没标题怎么切分?
美团 Agent 开发一面面经:以“周末去南京玩两天”的行程规划 Agent 为主线考工具编排与异常处理,深挖 RAG 的 Markdown 切分、短 Query 与长 Chunk 的向量化对比、混合检索与 RRF,另含电商搜索排序 Agent 与推荐理由评估。
美团 Agent 开发凉经:项目匹配度不够,但问题很经典
美团 Agent 开发面经:从 Agent 项目架构与 RAG 流程切入,考多 Agent 的任务分配、执行状态管理与结果汇总,上下文与长短记忆的分层设计和记忆冲突处理,意图识别与评测集构建,工具失败与 Token 成本优化,并让现场设计行程规划 Agent、追问 Markdown 切分与混合检索融合,最后手撕线程安全 LRU。
美团 Agent 开发一面:RAG 被追到第七层,卡在没有标题的 Markdown 上
美团 Agent 开发日常实习一面凉经,面试官围绕智能运维 Agent 连续追问:RAG 与长上下文/自己 grep 的取舍、无标题 Markdown 怎么切、短 query 与长 chunk 的向量对齐、父子索引、知识库更新与矛盾召回、工具返回结构、超窗策略。
美团 AI-Agent 开发一面面经
美团 AI-Agent 开发秋招一面,70 分钟,围绕 Markdown 记忆管理与 RAG 的取舍、Agent Teams 与 Workflow 编排、全自动化的稳定性、多工具调用、短期/长期记忆、MCP、工具选错的分层修复,以及如何证明方案真正影响指标。
美团 AI 应用开发一面面经(通过)
美团 AI 应用开发一面,从电商客服项目切入,深挖召回串味的排查与意图路由、长答案句子级切片;八股考 Transformer 注意力机制与 KV 缓存、多轮对话状态存储,手撕最长无重复子串,整体偏项目取舍而非背诵。
美团 AI后端开发 二面:Agent 路由、RAG 召回与营销投放设计
美团 AI 后端开发二面,围绕一个 Agent/RAG 项目追问业务价值、召回指标、场景路由与上下文治理,再让设计营销投放 Agent,最后聊技术选型、微调与到岗意愿。
美团 AI 产品 Builder 初面
美团 AI 产品 Builder 岗初面(10 月 13 日,全程二十多分钟):围绕一个 RAG 项目追问向量化模型选型理由、项目难点、为什么做微调与具体做法、项目周期,以及数据库选型耗时很久的原因与过程。
美团、阿里二面:nexus-agent-pro 项目深挖与 RAG 链路追问
美团与阿里二面围绕同一个 Agent 项目 nexus-agent-pro 展开:美团侧从项目最难的问题问到技术方案选型、大模型与向量库、Embedding 比较、文档入库与切分;阿里侧追问请求路由、语义检索与 BM25 双路召回、ReRank 截断、RAG 评测集与幻觉治理、多 Agent 拆分以及 MCP 与 Skill 的分工。
美团全栈开发日常实习一面:ReAct、RAG 三路召回与 Agent 自进化 49 问
美团全栈开发日常实习一面面经,面试约 30 分钟、共 49 问,前半程全部围绕自研 Agent 框架深挖:为什么选 ReAct、为什么不用 LangChain、RAG 三路召回与重排、多 Agent 拆分与工具权限隔离、会话记忆压缩、MCP 与 Skill 的区别、Agent 自进化;后半程转向微服务项目,问 OpenFeign、双 Token 登录、ClickHouse/Neo4j 选型、MQ 异步与幂等、Redis 与数据库一致性、WebSocket 实时通信。作者反馈这是目前最满意的一次面试,没有手撕。
米哈游 大模型算法 面经:LoRA 一致性、Agent 与推理优化
米哈游大模型算法岗面经:ACM 模式代码题加三道手撕(岛屿数量、rand7 实现 rand10、冒泡排序),技术题覆盖 LoRA 原理与一致性控制、大请求量下的 QPS 保障、Agent 使用经历、实习期 60 多个自动化验证用例的追问,以及多模态视频输入与视觉幻觉缓解、embedding 与 reranker 的分工、ANN 选型、Transformer 与 Attention 复杂度、KV Cache、GQA/MLA、vLLM、Flash Attention、稀疏注意力和推理变慢的排查思路。
鸣鸣很忙 后端开发管培生 一面
鸣鸣很忙后端开发管培生一面面经:38 问高强度项目深挖,从医疗意图识别三层架构与评测集容量、纠缠度指标、LDC 架构,到 CountDownLatch 并发写缓存、多机房写失败处理、线程池参数与突增流量应对、事务消息、幂等框架的 ID 与 MD5 碰撞,再到 MySQL 脏读幻读、缓存三大问题、synchronized/volatile/ThreadLocal、CAS、Redis 分布式锁、TCP 握手与 RAG 切分。
字节腾讯快手等后端与 AI 全栈高频 12 题汇总:Redis 锁与 RAG
把近两周字节、腾讯、快手、水滴与米哈游面经里反复冒头的题挑出 12 道:八股压在 Redis 分布式锁、MySQL 索引与事务、TCP 与 HTTPS、进程线程协程、Go 的 GMP 和缓存三大问题上;系统侧问幂等、缓存一致性、RAG 与 Agent;另附三道高频手撕。
南京某小厂 Java 后端实习一面:Lua 秒杀、本地消息表与 RAG 链路
南京一家小厂的 Java 后端实习一面,约 15 分钟视频面,面试官顺着简历往下追两层:先问项目模块划分,再追 Lua 秒杀为什么不用 MySQL 扣库存、库存只剩 1 时怎么保证只成一单、条件更新 SQL 怎么写、本地消息表为何要单独建表,最后问 Spring AI 加 RAG 的完整链路和压测优化的具体改动。
网易 Agent 开发一面:SSE 与 Streamable HTTP、MCP 版本兼容、记忆分层设计
网易 Agent 开发一面实录,30 余题几乎全落在 Agent 工程链路上:MCP 的四种传输方式适配与版本兼容、工具数量膨胀后怎么取舍、工具调用准确性、对话 Agent 的会话表与消息表设计、分层记忆与上下文压缩、缓存穿透击穿雪崩、布隆过滤器、缓存与数据库一致性、RAG 流程与准确率,最后手撕最长递增子序列,并追问项目里的子图拆分理由与 Skills 机制。
网易 Agent 开发一面:ReAct 范式、工具调用与 Agent 效果评测
网易 Agent 开发岗一面面经,31 道题全落在 Agent 工程链路上:从项目架构与框架选型切入,问 ReAct 等核心范式、Agentic Loop 与防死循环、上下文与记忆分层、幻觉校验、MCP 与 Function Calling 的区别、工具描述设计与调用失败处理,再到 RAG 流程与冲突处理、多 Agent 分工协作,最后是 AI 漫剧与游戏 BOSS 两道系统设计题。
网易云音乐全栈一面:Agent 底层、harness 与 multi-agent 编排怎么答
网易云音乐全栈开发一面,没有常规八股也没有手撕,全程问实习里的 Agent:底层实现原理(harness、hook、MCP、记忆模块)、一条消息发出去 Agent 如何响应、上下文工程与 multi-agent 怎么设置、RAG 在项目里落在哪、平时如何用 AI 开发、以及「怎么防止 Claude 封号」这类实操问题。
网易云音乐全栈二面:召回精度取舍、LangGraph 防循环与索引失效
网易云音乐全栈二面围着一个 AI 项目追问:脚本由人工确认还是自动执行、95% 召回的设计与噪声代价、为什么不用向量召回、LangGraph 怎么防循环,再问 QPS 与索引失效、SDD 与 AI 提效如何衡量。
网易云音乐全栈秋招一面:事件循环、排序手撕与 RAG 追问
网易(网易云音乐)全栈秋招一面:JS 基础从变量提升、作用域链、垃圾回收到事件循环与宏微任务连环追问,点名手写六种排序,再问接口分层、Redis 缓存与高并发,最后是 RAG、Agentic RAG 等名词追问和项目难点,全程节奏很紧、多次被打断。
网易易盾技术支持实习生一面:Agent 平台项目深挖与客户沟通场景
网易易盾技术支持实习生一面面经(28 分钟):简历为全栈开发(前端方向)转投,面试一半技术一半客户沟通;技术部分几乎全在拷打校园 Agent 平台项目——为什么做、团队规模、多用户 Agent 如何隔离、部署与模型选型、从用户请求到 Agent 调用链、185 个工具如何封装与权限获取、为什么用 RAG 检索工具以及与 Skills 的区别、文本与多模态请求如何分流、单轮还是多轮问答与上下文过长处理、项目中最大的坑;沟通部分问对公司业务的了解、对技术支持岗位的理解、学历年级与读研打算、职业规划、实习时间,以及「遇到解决不了的问题如何求助」「客户描述模糊情绪着急时如何处理」「排查几小时无结论怎么办」,无手撕。
Agent 面试题库 80 问:ReAct、RAG、记忆分层与 MCP 工程落地
一份自己整理的 Agent 面试题库,共 80 问:从 Agent 与聊天机器人的区别、ReAct 与 Plan-and-Execute 等执行范式,到 RAG 全链路与混合检索、记忆分层与冲突处理、Skill 与 MCP、提示词注入防护,以及 Agent 项目的存储选型与微服务调用。
OPPO 全栈一面:多 Agent 通信、RAG 评估与 AI 全栈能力考察
OPPO 全栈一面面经,半小时不到:先问学历与在校最难的课程,再花大半时间顺着一个 AI 项目逐层追问——项目是真实需求还是实验、输入输出与技术链路、前后端与算法的分工、多 Agent 如何通信、工作流怎么编排、RAG 是否自研、知识库素材来源、上下文记忆、多用户多会议的数据隔离、RAG 准确性评估与知识库迭代、是否上线与性能考量、自部署模型还是第三方 API;最后考对 AI 全栈工程师的理解和一周完成一个 App 的落地思路。
宁波欧达光电信息管培生面经:AI 降本、冷热分层与状态机设计
宁波欧达光电信息管培生面经:基于 AI 面试系统追问调用降本与语义去重、Redis 与 MongoDB 的冷热分层、固定分块与语义分块、混合检索与重排、并发写冲突与 MQ 幂等,再到负载均衡、WebSocket 状态机、失败重试与 Agent 热插拔。
拼多多 Agent 开发一面:RAG 切块、混合检索与 BM25
拼多多 2026 秋招 Agent 开发一面面经。考点集中在 RAG 工程:切块粒度的取舍、混合检索与 BM25 原理、Top-K 噪声处理、端到端延迟优化、MCP 全链路,以及记忆机制、文档多版本共存和两道手写题。
拼多多 AI Agent开发三面:上下文、断点恢复与多 Agent 协作
拼多多 AI Agent 开发三面:代码生成链路与上下文工程、断点恢复、多 Agent 并发写冲突与幂等、知识库检索调优,末段手撕 LRU。
拼多多服务端开发一面面经:并发幂等、Kafka 积压与向量库索引
拼多多服务端开发一面(约 50 分钟)大部分时间在深挖实习项目:并发与幂等的实现动机、Kafka 消息顺序性与积压处理、分区数怎么定,以及知识问答助手里 Chroma 与 Redis 的边界、向量库更新与索引结构;基础题考 MySQL 主从同步与一致性,最后两道算法题是数组中的三角形个数和一道较长的动态规划。
PE 全栈一面:多 Agent 怎么交互、Answer Agent 挂了怎么兜、意图识别错了怎么办
PE 全栈一面(原帖未写公司名):从项目选型问起——React 项目为什么不用 LangChain / LangGraph、Chain 与 Graph 的区别,接着追问多 Agent 交互、Answer Agent 失败时的降级兜底、意图识别出错、参数缺失被模型自动补全(幻觉)、用户量与推广、实习里的性能提升,最后落到后端技术栈。
平安科技笔试:操作系统计网选择题 + Agent 与 RAG 问答题
平安科技秋招笔试记录:6 道单选(操作系统、计网、Python 语法)、3 道多选(Agent 与 AI 基础)、5 道问答(RAG 检索与生成阶段的问题、幻觉概念、工具调用的底层实现)、2 道编程(字符串反转、判断数组中两个数字是否相邻)与 5 道 AI 相关填空(控制输出多样性的参数、强化学习所处训练阶段、模型量化等)。
平安银行一面:微服务容错、消息一致性与 RAG 排查
平安银行后端开发一面(秋招正式批,10 月 12 日):从 AI Coding 在遗留系统中的风险切入,覆盖 Spring Cloud 跨服务调用的超时重试熔断降级幂等、连接池容量与 SQL 索引优化、RocketMQ 事务消息与本地消息表、Redis 加 Lua 分布式锁、线程池参数、ZSet 排行榜与 Pipeline、SkyWalking 链路追踪,以及审核指标、RAG 召回与 Agent 记忆系统设计。
平安科技全栈开发二面:RAG 分块表格跨页、AI 幻觉治理与 TDD 实践
平安科技全栈开发二面面经:二十多分钟综合面,围绕实习最有成就感的事、RAG 分块与表格跨页处理、AI 幻觉消除与高质量交付、全栈技能理解、TDD 实践及投递成都分公司的原因展开。
平安科技二面面经:项目全过程、RAG 全链路与 AI 方法论
平安科技二面面经,约 20 多分钟、两位面试官,全程不考八股:围绕项目亮点与业绩、从产品沟通到开发测试上线的完整交付过程、RAG 全链路与线上流量展开,并追问 AI 方法论在什么场景适用、什么场景不适用。
启达星 Flutter 客户端一二面:TLS 握手、RRF 融合与瓷砖铺放动态规划
启达星 Flutter 客户端开发一二面面经:一面(52 分钟)从「偏 C++ 的简历为什么投 Flutter」切入,问 HTTP 与 HTTPS 差异与 TLS 握手/证书校验/会话密钥、哈希表复杂度与扩容、Release 构建开启 R8/ProGuard 后反序列化异常、Kotlin 消息合并器的并发风险与 900ms 聚合窗口、RAG 多路召回与 RRF 融合及 k=60 的来历、Figma 与多端适配、AI 工具辅助开发,手撕是高位到低位表示的大数链表相加;二面(39 分钟)深挖快手实习的天团业务数据链路、消息乱序与降级补齐、ConcurrentHashMap 缓存的原子性、Cache-Aside 与 Stale-While-Revalidate,算法是 2×N 瓷砖铺放及能否把 O(n) 降到 O(log n)。
融通供应链 Java 后端面经:RAG 精排、Redis 信号量与 JDK8 默认收集器
融通供应链 10 月 29 日 Java 后端面经:先问转岗原因与离职动机,然后整段深挖 RAG 项目——知识来源与向量、PPT 解析方式、recall 怎么提升、精排算法与交叉编码、团队分工、用的什么模型、怎么部署;穿插 Java 侧问题(JDK 版本与默认垃圾收集器、Redis 信号量不过期、MyBatis 的作用、Spring MVC 与 Spring Boot 的区别、反转二叉树),作者感受是团队想要会 Java 又会 Agent 的人。
荣耀、顺丰、海信二三面实录:不问八股,问微服务拆分与 AI 协作边界
三家公司二面都不考八股:荣耀问实习重难点与团队协作,顺丰问微服务为什么拆、怎么拆,以及技术不熟时怎么靠 AI 保证交付;海信 AI 面用英文问习惯与主导项目。
深信服 Java 一面:RAG 答不出就说不知道、Agent 里做资金扣减怎么设计
深信服 Java 一面 40 分钟:RAG 检索不到 chunk 却仍然作答怎么办、怎么提高答案覆盖率、涉及下单与资金扣减的 Agent 如何设计、MCP 调用失败怎么处理,以及邮件识别实现与职业规划。
顺丰 AI 全栈一面:ReAct 循环、缓存命中率与知识库 pipeline
顺丰 AI 全栈一面面经(10 月 8 日),半小时无手撕无八股,面试官主问 AI 与实习:ReAct 循环的实现与终止条件判断、最大迭代次数的定法、实测最复杂任务,以及 prompt caching 与 KV Cache 的原理和命中率优化;后半段深入供应链知识库建设,追问 LM Wiki 从 raw 文档抽 concept/实体/边的 pipeline、节点变更的影响面分析、多语言翻译插件为什么用 ES 做语义召回。
顺丰科技 AI 开发一面:RAG 知识库、Workflow 与 Docker 部署全链路
顺丰科技 27 届 AI 开发一面:全程围绕一个 AI 应用项目深挖,从整体架构、RAG 知识库、文档切分与混合检索,一直问到 Workflow、Docker 部署、工作空间隔离和质量评测。
杉川 后端开发 一面
杉川后端一面面经:深挖秒杀脚本原子化流程的边界(哪些在脚本内、哪些在外)、单张优惠券并发抢的超卖防护、订单写入后未确认消息的恢复与幂等,以及 RAG 离线/在线流程、混合检索、摘要式对话记忆的压缩策略、WebFlux 流式链路与结构化输出、进程线程与协程。
上海某小厂前端二面:自研工作流、PDF 入库与 zod 边界
上海某小厂前端二面约 20 分钟,围绕实习项目里的自研工作流执行层展开,追问节点失败与超时、扫描版 PDF 和图表入库、OCR/VLM 异常处理,以及 zod 与 TypeScript 的分工。
虾皮 AI 应用开发一面面经
虾皮 AI 应用开发一面,围绕 RAG 在线查询链路深挖五路召回与 RRF 融合、去重与稳定排序、Reranker 超时降级,追问评测集分层与重构等价性验证;工程侧考 Kafka 吞吐压测、故障注入验证重复与丢失率、AB 实验口径与护栏指标,以及如何用 spec 与验收标准驱动 AI 写代码。
虾皮 AI 应用开发一面复盘:从 RAG 链路到工程稳定性
虾皮秋招 AI 应用开发一面复盘:面试官每个问题都追数据与细节,覆盖 RAG 在线链路与多路召回融合(RRF、去重、配额、Rerank 超时降级)、评测体系与重构等价性验证、AB 实验口径与体验护栏、Kafka 压测与故障注入、以及用 AI 写代码的 spec 与验收标准,最后手写二叉树中序遍历。
Shopee AI 基础设施一面:BM25、向量检索与 chunking 策略
Shopee AI 基础设施一面面经,7 问无手撕:介绍项目、BM25 与向量检索的原理以及余弦相似度与内积的差别、不同类型文件的 chunking 策略、BERT 与 GPT 的区别、Python 中 == 与 is 的区别、深拷贝与浅拷贝的区别、Python GIL 是什么。
虾皮研发工程师一二面:五路召回、加权 RRF 与消息队列压测
虾皮秋招研发工程师面经:9.10 一面由 AI 按简历出卷、自己作答,9.21 二面深挖自研消息队列与 RAG 项目,覆盖五路召回与加权 RRF、reranker 降级与评测口径,10.9 HR 面后告知十月底发带薪意向。
水滴 AI 全栈工程师一面:Go 调度、SSE 流式与 Kafka 异步链路
水滴 AI 全栈工程师一面面经,围绕 Go 的 GMP 调度、同步改异步的数据导入与 Kafka 可靠性、SSE 流式对话、MySQL 索引与 Redis 缓存,以及 RAG/Agent 与 MCP 工具调用展开。
水滴 AI 全栈(北京)一二面:从 InnoDB 索引问到 Agent 中断恢复
水滴秋招 AI 全栈岗一二面:一面以实习项目开场,随后是 InnoDB 聚簇索引与回表、B+ 树选型、MVCC、Python 进程线程协程与 GIL、Redis 分布式锁的设计细节、缓存击穿/穿透/雪崩与布隆过滤器、Agent 中断机制与 WebSocket/SSE,最后聊 AI coding 工具差异;二面偏项目评估、模型对比、MQ 积压与微服务组件。
水滴 AI 全栈工程师高频考点:Agent 记忆、SSE 流式与后端八股覆盖面
水滴 AI 全栈工程师的高频考点汇总:Agent Loop 与 MCP 概念、记忆分层与存储选型、SSE 断线续传、RAG 与 GraphRAG 的取舍、多步任务准确率衰减,再加操作系统、网络、MySQL、Redis、Kafka 一大片后端八股。
水滴 AI 全栈一面:幻觉治理、Token 成本与计算机基础
水滴 AI 全栈一面 30 分钟:前半程深挖智能问答链路、幻觉与多轮记忆、子 Agent、语义预筛选和 token 成本,后半程考复杂度、Function Calling/MCP/Skills、JVM 内存、并发可见性、URL 访问流程与 TCP 握手。
水滴 AI 全栈工程师秋招一面面经
水滴 AI 全栈工程师秋招一面,问题跨度从进程线程、协程、库存超卖、虚拟内存、TCP/UDP、HTTP/WebSocket、索引结构,到 Agent loop、harness、提示词工程、RAG 与 AI 工具开发流程。
水滴公司 AI 全栈工程师一面:从进程线程到 Agent 记忆设计
水滴公司 AI 全栈工程师一面:前半段是操作系统与 Java 并发基本功(进程线程、IPC、TCP、线程池参数与拒绝策略、CAS、volatile),中段问线上卡顿与 Redis 的排查维度,后半段全部围绕大模型 Agent——记忆与知识库怎么设计、语义切分、图检索、工具层,以及 LangGraph 与 DeepAgents 的区别。
10.26 思锐卓远后端一面:SQL 优化、RAG 与 Agent 工具
思锐卓远后端一面:SQL 性能优化与 explain 的使用、智能体与 Skill/MCP 的实践、RAG 流程,以及学校课程情况。
多家小公司 Java 后端一面:版本号追问、上机 AI 编程与 RAG 深挖
三场小公司 Java 后端面试:一场线下副经理面只问背景与课题组方向、现场让用 AI 处理文档表格;一场线上因为说不出 SpringBoot 和 Redis 的具体版本被质疑三分钟结束;第三场一轮技术面加经理面,笔试考 MySQL、HTTP、Linux、Docker,面试几乎全压在 RAG 项目和 Agent 工具调用上。
某小厂 Java 实习一面:订单号计数表、秒杀与 RAG
某 20-99 人公司 Java 实习一面(15 分钟):自我介绍后问实习做了什么、简历上的订单号独立计数表怎么设计、秒杀项目的 Redis 扣库存与消息队列、智能体项目的 RAG 与工具调用,面试官明确说不问 Java 八股。
小厂 Agent 开发一面:Text-to-SQL、RAG 与 Agent 范式
小厂 Agent 开发一面约 30 分钟,深挖企业问数平台和夏都探源项目,覆盖意图识别、SQL 正确性、RAG 分块与混合检索、记忆压缩和 Agent 范式。
中科曙光 AI Agent 一面
中科曙光 AI Agent 一面面经(2026-10-08 17:30):从实习与项目的关系开始,围绕 Agent 项目本身连续追问——数据来源与测试过程、系统运转流程、工具如何闭环与选择、提示词与约束怎么写、多次工具调用怎么支持、Agent 循环怎么处理、ReAct 怎么做、RAG 知识库流程、取不到数据怎么排查、Agent 分几个模块、不用框架要手写哪些部分。
阳光保险 AI 应用开发一面:意图树、MCP 工具与多路检索
阳光保险 AI 应用开发一面 30 分钟:围绕百度实习的 RAG 项目、意图识别树、MCP 工具、意图澄清、Agent 框架选型、多路检索与 Harness 工程连续追问,无手撕。
阳光保险 AI 应用开发二面:MCP 选路、工具失败与上下文记忆
阳光保险 AI 应用开发二面(20 分钟):RAG 整体流程、接了哪些 MCP 以及怎么决定调哪一个、意图澄清怎么提升回答准确率、Agent 是否用框架、工具调用失败怎么办、多轮上下文的长期与短期记忆、Redis 分布式锁与数据一致性、常用 Agent 框架、Claude Code 里 hook 与 CLAUDE.md 的区别,末尾接 HRBP 的稳定性与行业偏好问题。
淘天 Agent 开发二面:30 多道场景题与系统设计追问
淘天 Agent 开发二面:面试官不开摄像头、开场直接抛场景题,全程围绕智能客服 Agent 的职责拆分与记忆设计、高并发下的容灾降级、大模型在推荐链路各环节的作用、双塔与生成式召回的取舍、信息茧房与 AB 实验,以及 Skill 治理、部门知识沉淀、动态 workflow、幻觉与事实锚定、多 Agent 协作和模型调用链路优化,最后手撕双塔召回的前向传播。
淘天 AI 应用研发一面面经
淘天 AI 应用研发一面,从 MQA/GQA、token 节省、LoRA 微调、RAG 流程与性能优化、Skill 理解、知识库设计,问到 Java 垃圾回收、Spring 启动优化、索引优化和数据库锁。
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 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 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。
北京华宇信息 Agent 开发二面:RAG 会话记忆、图片入库与转岗动机连环问
北京华宇信息 Agent 开发二面(部门经理 + HR):前半程深挖 RAG 平台与 Agent 的会话记忆差异、文档入库的图片处理与原文回跳、向量模型选型与切分策略;后半程是 gap 原因、转岗前端、AI 写代码占比、离职动机与期望薪资。
腾讯音乐后台开发一面:接雨水、流水表分库分表与 Redis 集群
腾讯音乐 TME 后台开发秋招一面,算法先出字符串相乘、卡住后换成接雨水;场景题是海量流水表的分库分表设计;八股集中在操作系统、Redis 集群与持久化、MySQL 三种日志;实习部分深挖如何用 AI 完成从 PRD 到上线的开发并保证代码质量。
同为股份 C++ 开发面试
同为股份 C++ 开发面试从 RAG 项目切入,深入考 Linux 内存、RSS/VSS、缺页异常、锁、对象布局、线程池、static 初始化和虚拟内存。
同为股份秋招C++开发一面与HR面:内存、多线程与RAG项目
同为股份秋招 C++ 开发一面+HR 面:考 C 与 C++ 区别、static 与智能指针、内存泄漏、RSS/VSS 与虚拟内存、线程池与锁的取舍、单核多线程与绑核,并问 RAG 与向量库选型;9.29 HR 面后已 OC。
普联技术软件开发一面:实习项目深挖、RRF 重排与 Linux 排查
普联技术软件开发岗一面(作者记录为 10 月 15 日上午):先问本科专业排名与硕士研究方向,再深挖实习与两个项目的技术难点、是否涉及数据库以及代码是自己写还是 AI 辅助;随后考大模型与机器学习基础,重点问准确率精确率召回率的区别和 RRF 重排;最后是论文与 Linux 工程基础,覆盖 Docker/Conda 使用、CPU 占用高、内存占用高、进程崩溃、磁盘空间不足四类异常的定位,以及 Shell 脚本用途、网络排查命令与端口占用查看。
清微智能 AI 测开一面面经
清微智能 AI 测开一面(约 50 分钟):从 VLA 边端部署的硬件选型与量化问起,覆盖 RAG 搭建、flask 与 pytest 的应用,以及 Python 八股(list/tuple/set、切片、is 与 ==、深浅拷贝、多线程共享变量、数据库锁)与 C 语言的函数指针和指针函数;面试官会引导,答不上来会换题。
途虎养车全栈业务面:RAG 知识库、索引错误与 Node.js 事件循环
途虎养车秋招全栈业务面:围绕 AI 知识库搭建、错误处理与索引、业务性能优化、自研算法选型、Node.js 事件循环和后端学习路径展开,整体是轻松的项目聊天。
瑞银 UBS 金融科技学徒一面:全英文四对一,RAG 全链路与 Agent 编排连环追问
瑞银 UBS 金融科技学徒一面(1 小时,基本全英文):两个部门四位面试官轮番面,先问 AI Agent 项目与 validation agent 的质量控制、指标来源,再深挖 RAG 的输入、query rewrite、chunk 与父子索引,还有「给量化团队做 AI 助手」的端到端场景题,最后问 LangGraph 编排、工具与 MCP 的部署位置、Agent 与 workflow 的区别以及 skill 和 MCP 的取舍。
27 届学院本实习转正面试:RAG 与 Agent 十五问
27 届学院本实习转正面试(AI 全栈开发工程师):RAG 为什么需要、完整流程、文档切分与排查、混合检索,Function Calling、Agent 常见问题、LangChain 与 LangGraph 的区别,最后是到岗安排。
小厂 Agent 岗一面:Harness、BM25 与 RAG 评测追问
一篇小厂一面面经:面试官全程拷打项目、几乎没有传统后端八股,问题包括对 Agent 发展的看法与选型理由、ReAct 设计、Harness 的理解、为什么引入 BM25、RAGAS 评测出现 NaN、两段冲突 chunk 如何取舍、幻觉怎么解决、设计一个写毕设的 Agent、项目缺陷与优化,以及知识库更新时如何判断旧内容失效。
小厂智能体应用开发面经:PDF 切块、大模型 JSON 输出与 NL2SQL
某互联网公司智能体方向的 AI 应用开发面经,整场不到十分钟。考点是 PDF 文档切块与图文公式处理、大模型输出 JSON 不规范怎么兜底、记忆与知识库的测评,以及 NL2SQL 检索超出上下文限制的应对,作者自述第八题没答上、全程紧张。
大模型应用一面:提示词结构、KV Cache、ReAct 与 RAG 链路
一场 50 分钟的大模型应用面:先问提示词结构与工具定义的位置,再问 KV Cache、注意力机制、ReAct 的实现与死循环治理、A→B→A 的互相调用,最后落到 RAG 的完整链路、原始资料的格式支持与文本切分策略,其余时间围绕项目展开。
微店 AI 全栈二面:Agent 稳定性、检索库与 AI 代码评估
微店 AI 全栈二面(10.22):围绕负责的工作、Agent 系统稳定性、难点、模型选型、检索库搭建、评估指标、AI Coding 工具与代码评估,最后聊 transformer 和对 AI 替代的看法。
无锡赫玛科技 AI应用开发面经:Agent 架构、RAG 与高并发系统设计
无锡赫玛科技 AI 应用开发面经:围绕电视客诉分析 Agent 的架构演进与 RAG 知识库选型、ReAct 深度排障循环的工具链设计,以及缓存穿透、悲观锁乐观锁与 40 万条客户数据的系统设计和缓存一致性。
小红书 AI Agent 开发岗面经合集:HashMap 并发、RAG 与 Agent 工程
小红书 AI Agent 开发岗十场面试合集:Java 侧深挖 HashMap 数据结构与并发安全、ConcurrentHashMap、CAS 与各类锁、GC 与 Spring Bean 生命周期、APT 编译期处理,网络考 TLS 握手与中间人攻击;AI 侧覆盖 Agent 范式与整体架构、上下文与长短期记忆、RAG 的数据处理与评测、多 Agent 的状态与协同、模型路由与意图识别,以及 ReAct 与 Plan-Execute 的取舍、MCP 与 Function Call 的区别、大模型位置编码与上下文窗口、SFT 与 RL 等基础;工程侧考检索与存储的分工(倒排索引、PGVector、布隆过滤器与缓存穿透)、订单号生成器与前端工程化,手撕考岛屿数量、数组第 K 大、环形链表、K 个一组反转链表与线程安全 LRU。
小红书 AI 产品经理岗面经合集:上下文管理、检索增强与一致性设计
小红书 AI 产品经理岗四场面试合集:围绕检索 Agent 的上下文管理展开,追问卷对话效果变差的本质、ReAct 能否解决上下文问题、上下文压缩与关键内容判定;检索侧问到 topK 与元数据过滤、embedding 与关键词混合检索、chunk 切分策略与业界方案;后半程转向多级缓存、缓存穿透与 Redis + MQ 的一致性取舍,并考 AI 应用架构与链式调用、ES 与 MySQL 的差异、RPC 序列化,手撕二叉树定长路径。
小红书算法岗面经合集:传统机器学习、大模型架构与推荐检索
小红书算法岗七场面试合集:传统机器学习考分词与 NER、分类与回归、XGBoost 与 LightGBM 的差别、监督与无监督与强化学习、K-Means,以及项目选型、踩坑与北极星指标;大模型架构覆盖自注意力、RoPE、MoE、MHA 与 MQA 与 GQA、LayerNorm 与 RMSNorm、预训练与后训练、Decoder-only 的由来;另有模型规模化的算力账(参数量与 FLOPs、PS 存储、训练速度与机器数)、RAG 流程与切片粒度、召回与粗排精排的经典模型、NDCG 与 AUC 与二分类 loss、负采样与高热打压,以及生成式推荐的码本坍塌、sid 质量与幻觉治理;手撕考螺旋矩阵、O(N) 求第 K 大、立方根与岛屿数量。
小红书客户端研发岗面经合集:Agent 工程追问、Android 八股与播放器项目
小红书客户端研发岗七场面试合集:既有围绕 Agent 项目的深度追问(工具调用率与命中率怎么量化、效果怎么评估、多轮评估与编排调度、上下文压缩与长期短期记忆组织、RAG 优化与 LoRA 取舍),也有 Android 客户端八股(Activity 与 Service 生命周期、Handler 与 Looper、Intent、ThreadLocal、SparseArray、RecyclerView 复用、内存泄漏、屏幕适配与 dp),以及音乐播放器改造、Flutter 跨端与聊天模块的项目细节,算法覆盖排序链表、荷兰国旗、二维矩阵查找与平衡树对比。
小红书国际化开发秋招一面:运维 Agent 设计与实习项目连环追问
小红书国际化开发工程师秋招一面:算法是岛屿数量,场景题要求设计一个监测线上服务的运维 Agent(输入输出、数据流转、架构编排、工具调用),随后围绕实习项目连续追问 Skills 渐进式披露、Agent 路由、提示词注入防护、上下文管理、异步回调、指标测算、幂等与分布式锁、线程池与脱敏重试,最后是 HashMap 与 ConcurrentHashMap 八股。
小红书 Product Engineer(AI 与全栈)一面:Node 后端、RAG 与秒杀场景设计
小红书 Product Engineer(AI 与全栈方向)秋招一面面经:先深挖实习里的全栈项目,再问 Node 写后端与传统后端的差异、Node 如何操作数据库、MySQL 慢查询定位,接着考 RAG 原理、AI workflow 的幻觉治理与上下文压缩,最后是三道场景设计题(秒杀 QPS 优化、并发查询打穿治理、多服务聚合接口降耗时)和链表两数相加的手撕。
携程 Agent 开发一面:多智能体协同、意图路由与判错兜底连环追问
携程 Agent 开发一面 17 问:多智能体之间怎么协同、基于用户意图的路由怎么实现、路由判错时怎么兜底、一条请求里包含多个意图怎么拆,再往下是整体架构、适配层怎么解耦、历史记录导出与海量数据读写优化,以及项目上线后到底省了哪些环节的时间。
携程 Agent 开发一面真题:RAG 召回率、上下文工程与 LangGraph 选型
携程 Agent 开发一面 17 问里偏「方法论」的那一半:RAG 全链路每一步在做什么、召回率怎么定义和计算、哪类召回优化收益最大、Context Engineering 与 Prompt Engineering 的边界、Agent 输出怎么量化评估、good case 与 bad case 怎么回流,以及一句自然语言到接口调用的端到端链路和 LangChain 与 LangGraph 的取舍。
信锐网科AI应用开发二面:RAG切分、Agent评测与MCP边界
信锐网科秋招 AI 应用开发二面面经:AI 编程工具产出的代码如何判断能否合并、企业知识库 RAG 的文档切分有什么坑、怎么证明 Agent 比普通问答更有效、何时该用固定工作流、MCP 与 Skill 的边界,以及工具误调用与提示词注入的防御。
信锐网科软件开发面经:消息队列、Protobuf与Linux
信锐网科秋招软件开发面经:一面围绕自研发布订阅消息队列,追问 Protobuf 编码、SQLite 持久化与重复消费,并深挖 RAG 与 AI 辅助开发;二面考内核态切换、load average 排查、内存泄漏定位与 TCP 可靠传输。
10.23 小天才 AI 应用工程师一面:网页生成 Agent 的工作流、工具安全与评测
小天才 AI 应用工程师(穿戴)一面,岗位做企业内部 Coding Agent 平台:深挖网页生成 Agent 的工作流与质检节点、单 Agent 与多 Agent 的取舍、工具调用安全,另外问 RAG 链路排查、MCP 与 Harness、子 Agent 的设计。
银泰百货 银泰星 AI 工程师 一面:SDD、Agent 与内容审核
银泰百货银泰星 AI 工程师一面,围绕 SDD 规格驱动开发的价值、AI-kit 项目、索引构建、多 Agent、内容审核和消息队列可靠性展开。
月之暗面 Agent 应用开发:上下文超限,连追五层
月之暗面 Agent 应用开发面经:围绕 Agent 核心模块与 Harness 理解、ReAct 与 Plan-and-Execute 的取舍、多 Agent 并行状态管理与隔离、工具数量与返回结果的上下文治理、上下文超限后的摘要与分块跨块关联、工具失败重试、沙箱安全与 Prompt Injection 防范,最后手撕 LRU Cache。
云览科技 AI 产品经理面经:B 端智能体与问答效果深挖
云览科技 AI 产品经理面试记录:整场围绕两段实习加一个竞赛项目往下追,逐层拷问 B 端 AI 智能体的定制交付与平台化边界、问答模块召回率与准确率差时的根因定位、缩减召回片段的依据,以及文生图社区的私信功能需求来源与活跃度指标口径。
智加自动驾驶软件工程师一二三面:RAG 项目深挖与 HR/技术综合面
智加科技自动驾驶软件工程师三轮面试记录:一面(60 分钟)以项目与实习拷打为主,问自动化专业为何转程序员、reranker 是否通用、Code Agent 为何误判性能瓶颈,手撕一道二维前缀和;二面(34 分钟)为 HR 面,围绕学历与考研选择、实习转正决策、求职标准、客户端与底软工作成就感差异、择业因素与反问展开;三面(40 分钟)深挖 RAG 项目(准确率召回率定义与数值、单体架构拆分、为何选 C++ 做服务端、ORM 与 Redis 分布式锁)、实习协作与职业规划,并给出反问。
智谱 AI Native Builder 实习面试:31 问深挖项目与 Agent 权限
智谱 AI Native Builder 实习岗面试记录:开场是年级、住址、老家、高中、论文压力、可实习时长这类个人信息追问,中段考岗位理解与 AI 工具使用习惯,主体是围绕质量数据系统深挖系统架构、团队分工、意图识别与数据路由,再集中追问 Agent 敏感数据防导出、敏感数据权限、工具调用权限校验、越权防护,以及知识库的切分、检索与权限设计、倒排索引的匹配局限和整体效果优化,最后要求手写一个敏感数据导出拦截函数(伪代码)。
10.30 智物起源 Java 后端一面:RAG 编排、Agent 测试与 AI 工具链连问 26 题
智物起源 Java 后端一面(10.30):前半段全压在 RAG 项目上——编排怎么实现、数据处理链路用了哪些组件、历史文档版本怎么处理、用户问题怎么做预处理、改写与识别提示词怎么写、prompt 怎么迭代;中段问日志可观测性、Agent 怎么做测试与用例对比、上线后的 token 与延迟;后半段转到个人项目、AI 编程工具的选择与沉淀、团队分工与工作强度。
众安保险 AIGC 全栈开发岗面经:流程、复试考点与岗位实况
众安保险 AIGC 全栈开发岗的面经(由去年入职的学姐分享):秋招流程一般是笔试、AI 面试、复试、HR 面,AI 面试等同初试未通过会被淘汰、大概八股与个人规划各占一半,整体耗时两到三个月。本岗位复试不太考八股,重点在简历项目挖掘与 AI 知识面——项目挑战、想法、成果、架构设计、系统性解决方案与技术栈储备,AI 侧会被问到 RAG、Harness、ReAct 的原理,前沿模型与 prompt/skill 写作技巧,需要有自己见解;HR 面重点在规划与 offer 情况,也可能有交叉面。
作业帮全栈(海外业务)一面:项目深挖、事实增强与 LRU
作业帮全栈(海外业务)秋招一面面经:整场近 40 分钟几乎是项目拷打、基本无八股——详细讲两个项目的背景、架构与功能实现,追问难点与做的优化算法,问平时开发与上个项目中怎么用 AI、项目里的 LLM 怎么基于事实增强输出、增量场景下架构变更会怎么样,算法题是 LRU。面试官全程不给反馈、不引导,但不施压。
Agent 应用工程师面试题库:工具调用、记忆检索与线上排障
一份 Agent 应用工程师面试题库,按「主问题 + 逐层追问」组织,覆盖 Function Calling 链路与容错、结构化输出、记忆与上下文预算、RAG 幻觉排查、死循环兜底、写操作幂等、Prompt Injection 防护与线上排障。
AI Agent 开发岗面试题:55 道真实面试里的追问
一份 Agent 开发岗的面试题清单,覆盖技术选型、框架与 runtime、工程细节、多 Agent 协作、对齐与幻觉、评测、安全与开放设计八个方向;问题集中在判断依据与落地细节上,而不是 API 记忆。
27 届秋招 AI 面试全程:Agent 系统设计、记忆模块与万级并发后端
27 届秋招 AI 面试全程:从 AI Coding 工具、传统技术栈问到 Agent 系统设计与记忆模块,再考 Rust WebAssembly 与 Java 后端配合的在线考试系统、万级并发后端设计与 RAG 学科路由。
友邦咨询(广州)后端开发实习面:AI 编程与 RAG 项目
友邦咨询(广州)后端开发实习岗线上面试记录,4 位面试官、约 39 分钟。前半段围绕两段 AI 项目实习展开,追问 AI 编程工具的选型与代码验证、RAG 方案与设计评审、多线程与性能问题,后半段是课程、CI/CD、职业规划等常规问题。
阿里巴巴 AI Agent 开发岗面经合集:长视频理解项目复盘
阿里巴巴 AI Agent 开发岗两场面试:围绕长视频理解 Agent 深挖 Planner-Executor-Critic 工作流的受控点与循环防护、混合检索策略、Checkpoint 分级与分布式锁、Agent 空转与死循环治理。
阿里云 AI Agent 开发岗面经合集:RAG 检索与存储优化
阿里云 AI Agent 开发岗两场面试合集:一面追问实习中 Agent 存储查询优化与完整存储链路,二面系统考察 RAG 的文档切分、向量与 BM25 混合检索、多跳检索、Query Rewrite、文档访问控制与长对话摘要压缩。
阿里云AI应用开发一面:代码找错与RAG八股
阿里云 AI 应用开发一面面经,9.16 面 9.19 挂。三道代码题:wait/notify 实现栈找错、100 元红包 10 人分且单人不超过 90、爬楼梯。面试题覆盖大模型幻觉与缓解、完整 RAG 流程与选型、MCP、几十亿商品表的库表设计。
阿里巴巴全栈开发一面(知识图谱与性能优化深挖)
阿里巴巴全栈开发一面面经,全程 46 问且沿简历层层深挖。前半段考知识图谱实践与度量、可插拔 Agent Harness、长流程可靠性与电商通用方案;中段追问 LCP 预加载与虚拟列表;后段考 TypeScript、状态管理、构建优化与 HTTP 缓存。
阿里云 AI Agent 算法一面面经全解析
阿里云 AI Agent 算法一面 20 题:KV Cache 显存估算、Agent 上下文治理与取消、MCP 调用流程、RAG 父子索引、ReAct 与 Plan 取舍、多 Agent 协作与死循环兜底,另考分布式 ID、缓存、Redis、ThreadLocal、Spring 与 TCP。
蚂蚁集团后端开发面经合集:网络协议、锁升级与 AI 工程
蚂蚁集团后端开发岗五场面试合集:一面覆盖 URL 到渲染的完整链路、TLS 与 CA 信任链、Synchronized 锁升级、线程池参数与 B+ 树/Redo Log,并追问 LangChain4j、MCP 与 Skill;后续几面聚焦幂等 ID 与 TCC、可用性治理,以及大文件 Top10、分布式限流与分布式 ID 等设计与手撕题。
蚂蚁集团大模型算法岗面经 01:多模态与 Agent 合集
蚂蚁集团大模型算法岗面经合集(八场):多模态监督粒度、反向 KL、GRPO 与 DAPO、奖励黑客与视觉 token 压缩,另含二级缓存、MQ 幂等、RAG 检索评测、Prefill/Decode 分离与 GQA、KV cache。
蚂蚁集团大模型应用面经合集:业务中台与 RAG 知识库
蚂蚁集团大模型应用方向四场面试合集:一面围绕跨境售后工单中台,追问单机迁集群的典型问题、幂等 Token 与雪花算法时钟回拨、订单状态机中间态与评论分库分表热点治理;后三面深挖 RAG 知识库的采集更新、静态知识库与动态检索取舍、图 RAG 实体一致性,以及 Agent Memory 分层晋升与 Spring AI 记忆机制。
蚂蚁集团大模型算法岗面经
蚂蚁集团大模型算法岗多轮面经汇总,重点考察 PPO/GRPO 的四个模型与损失函数、KL 估计方式、rollout 与 batchsize 的资源关系、拒绝采样、Agent 记忆系统设计与 vLLM 推理加速,另有 RAG 混合检索与术语消歧、LoRA 微调层选择、高并发低延迟部署等落地问题。
蚂蚁集团大模型算法岗面经合集:RAG 与 Agent 工程
蚂蚁集团大模型算法岗五场面试合集,覆盖意图识别、RAG 流程与优化、Function Call 原理、Agent 与 MCP 概念、Java 线程池与并发基础、秒杀与转账场景的锁和事务设计、HTTPS 安全机制及线上稳定性保障。
百度 Agent 后端三面:Agent 编排与动态知识库
百度 Agent 后端三面面经。前半场交流内部 AI 研发提效平台与动态知识库方案,后半场深挖 Agent/Skill 项目:优化前后耗时、Plan-Action 轻量化后自愈是否受损、多 Skill 串联的质量准出与性能权衡。
百度 AI Agent 开发岗面经:记忆模块与上下文压缩
百度 AI Agent 开发岗五场面试题目合集,重点考察本地 Agent 排查异常进程与沙箱并发、长短记忆冲突、企业内部知识问答 Agent 方案、Skill 与工具调用链路、上下文压缩,以及分库分表、CAP、缓存穿透等后端基础。
百度 AI 全栈(偏前端)一面:React 与 RAG、MCP 到 Agent
百度搜索 AI 全栈(偏前端)一面约一小时:前半段是前端八股,React 与 Vue 的异同、Fiber 架构;后半段全在 AI 工程上,Agent 与 LLM 的区别、MCP 通信协议与 tools 的区别、RAG 完整流程与 chunk 颗粒度控制,最后手撕 hot100 二选一。
百度AI测开二面:Agent评测与检索质量
百度AI测试开发二面面经,9.21面试、全程约50分钟,几乎全在拷打项目。围绕Agent安全性设计、技术难点、测试体系与评测、检索性能与重排序、幻觉处理、Agent协作模式优劣、LangGraph框架选型,以及自动生成测试用例的Agent方案。
百度后端开发一面凉经 全程 AI 八股
百度后端开发一面凉经,作者主攻 Java 八股却几乎全被问 AI:Spring AI Alibaba 选型、ReAct 与 Plan-Execute-RePlan、Function Calling 与 JSON Schema、流式半截 JSON、多 Agent 派发与上下文超限,另有 RAG、Lua 抽奖、HashMap 与手撕螺旋矩阵。
百度一面:链路追踪、Agent 诊断评测与 RAG 管理
百度一面面经:以微服务链路追踪与 Agent 故障诊断为主线,追问跨语言 trace 如何拼接、服务与数据库实例如何定位、Agent 诊断的评测方式与 RT 长尾、RAG 新旧版本管理,以及让模型执行 SQL 时的脱敏与安全边界,另有两道可观测性场景题。
百度后端开发岗面经 13:缓存分层、Feed 流与线程安全
百度后端开发岗四场面试的问题合集:从 MySQL 如何承载海量请求、本地缓存与 Redis 的分层选型和 Singleflight 请求合并,到有向图判环、覆盖索引与深分页、RAG 缓解大模型幻觉与基于 RAG 的规则下发方案;后半程集中在朋友圈 Feed 流、游标分页、点赞系统与 MQ 写库一致性,以及 1 MB 与 100G 日志统计 Top-K IP 的解决路径。
百度后端 9 月 17 日笔试:基础题、Prompt 与辅助编程
笔试包含十五道单选、五道多选、编程题、Prompt 任务与辅助编程任务,考点覆盖后端基础和机器学习。
百度大模型算法岗一面二面面经(GSPO 与多智能体)
百度大模型算法岗一二面面经。一面考强化学习对齐选型(GSPO 相对 PPO、GRPO 的优势)、多智能体协作与记忆、Qwen 多模态与 MRoPE、RAG 全流程,手撕最长公共子序列;二面考 ReAct、SFT 与 RLHF 数据、自注意力与 QKV。
28届双非双一流本科AI Native北京某厂面经
北京某厂AI Native方向面经,围绕高并发库存、智能体数据链路、检索准确度以及MySQL、JVM和布隆过滤器等基础知识展开。
Bigo后端开发一面面经
Bigo 后端开发一面,覆盖网络、操作系统、MySQL、Redis、Java 并发、RAG 召回和慢 SQL 优化。
Bigo后端开发二面面经
Bigo后端开发二面面经,围绕RAG与自动修复项目深挖,并考察消息可靠性、MySQL执行计划、Redis缓存、Spring、JVM、网络和算法。
BIGO 后台开发 秋招二面面经
BIGO 后台开发秋招二面记录,题目集中在系统设计与 AI 工程结合的方向。包括客户端到服务端的图片安全上传链路、网关层防重放与限流设计、Skill/Agent/RAG/MCP 各层职责划分与加载顺序、客户端 AI 的模型版本升级与灰度、离线评测与线上指标体系、断网时的状态一致性和高并发行为数据上报的优先级隔离。
BIGO Java后端一面面经
BIGO Java后端一面面经,围绕外汇汇款 Agent、槽位提取与风控、Redis 缓存和分布式一致性、RAG、HTTPS 及三数之和展开。
哔哩哔哩 AI Agent 开发一面面经全解析
哔哩哔哩 AI Agent 开发一面记录,18 道题覆盖 Agent 核心模块与 Chatbot 的区别、意图识别的三种实现与少样本稳定性、RAG 全流程与召回问题定位、切片与 Embedding 选型、LangChain 与工具调用机制、记忆设计与循环保护,最后手撕合并重叠区间。
哔哩哔哩二面:服务治理与AI评测体系
哔哩哔哩9月22日二面,围绕服务注册发现与RPC调用链路、控制面流量规则下发与同机房选路、负载均衡策略展开,并深入Agent在规范治理中的角色、评测体系指标与RAG检索优化。
Binance AI 全栈开发实习一面面经
Binance AI 全栈开发实习一面面经,全程约一小时中文面。前半程围绕实习与个人 Agent 项目展开,追问多 Agent 编排、质量检查不通过怎么办、RAG 规则维护、工具体系与 MCP/skill 的理解、异步路由的设计;后半程是渐进式手撕——先写存取款模拟,再让 AI 改写代码并由候选人挑错,最后加码到允许透支的结算顺序问题。
字节广告平台二面面经
字节广告平台二面,重点考察海量广告频控与去重系统设计、LRU缓存手撕、RAG Agent效果优化,以及Kafka消费组重平衡。
字节Agent秋招二面 全程深挖RAG系统与一道随机算法
字节 Agent 方向秋招二面几乎全程压在简历上的 RAG 系统:Markdown 分块与父子块聚合、尾块处理、图片入库的推理开销、问题改写与子问题拆分、混合检索与重排,最后是一道 random5 构造 random7 的算法题。
字节 Agent 开发后端日常实习一面:RAG 检索与评测深挖
字节 Agent 开发后端日常实习一面面经,全程沿简历里的两个 Agent 与 RAG 项目下钻:LangGraph 工作流选型、AI 合成评测集的构造与质量控制、BM25 与向量检索的混合召回、RRF 融合、Cross-Encoder 重排的必要性,最后是一道偏简单的贪心手撕题。
字节 AI Agent 开发一面 30 题全记录
字节 AI Agent 开发一面 30 题记录,分项目深挖、Agent 与 RAG 核心、八股、手撕、工程场景五组。重点在长期记忆的存储设计、上下文压缩的取舍、多 Agent 防死循环、父子切块与混合检索重排,以及工具成功率统计的手撕题。
字节跳动 AI Agent 开发一面面经(含完整答案)
字节跳动 AI Agent 开发一面记录,围绕 Agent 项目闭环展开:简历评分的结构化输出、RAG 离线上传与在线问答链路、Harness 运行时治理、长程任务延迟定位、工具调用可靠性,以及上下文压缩与信息保真;算法题为构造小于 n 的最大数。
字节 AI 后端秋招二面:Redis、RAG 与预约系统设计
二面从 Java 与 Redis 追问到消息队列、RAG、大规模预约和实习可靠性,算法为旋转有序数组查找。
AI Coding 笔试拿 offer 的三个心法
连挂三家大厂 AI Coding 笔试后的复盘:面试官真正考察的是准确描述问题、判断 AI 代码正确性、出错时快速修正三件事;给出伪代码引导、让 AI 自测你当裁判、准备三个万能代码模板三个核心技巧,以及三个必踩的坑。
字节日常实习后端一面凉经(中国交易与广告)
字节后端实习一面,涵盖 RAG 召回、缓存一致性、Redis 持久化、消息幂等和循环依赖检测。
字节后端面经:广告去重、知识图谱发布与 Saga 补偿
四场 9 月 2 日至 3 日的后端面试,重点追问广告曝光去重、知识库多存储发布、Agent 长任务,以及缓存一致性和 Saga 失败补偿。
字节 260901 一面面经
字节跳动 AI 大模型开发平台后端一面,面试岗位属数据平台方向:实习项目深挖 Agent 迭代与回归评测、文档切分与长上下文、离线评测与线上观测、长程任务评测,个人项目考意图消歧与 Agent 框架选型,场景题讨论通用 Agent 的效果评估与竞品比较,最后两道手撕。
字节跳动前端一面(26 题,含 RAG 与 SSE)
字节跳动前端一面面经,共 26 题。既有浏览器与网络基础(TCP/UDP、拥塞控制、缓存、跨域、重排重绘),也有大量 AI 前端场景:首 token 优化、SSE 与 WebSocket 选型、RAG 全流程、Top-K 与 Top-P,手撕并发限制调度器。
字节全栈一面面经:RAG 链路与线程池连环追问
字节全栈一面面经,时长一小时:前半段从 RAG 的完整链路、向量化到效果评估一路追问,后半段切到线程池参数、拒绝策略与主线程执行策略的取舍,收尾是 Java 值传递、HashMap 遍历删除、String 拼接和 try-finally 中的 return 等基础题。
字节中国交易与广告全栈二面:SSE 续传、虚拟列表与 HTTP/3
字节中国交易与广告全栈二面:从实习项目里的 SSE 对话续传与虚拟列表切入,追问虚拟列表原理、缓冲区设置与断点续传,再问 Tool Calling 与 MCP、RAG 链路与 rerank、LangChain 与 LangGraph、浏览器渲染管线与合成层、HTTP/2 与 HTTP/3、TCP 拥塞控制,最后二面挂。
字节跳动 抖音电商 Java后端 日常实习面经(三面 + HR)
字节跳动中国交易与广告-抖音电商日常实习全流程面经,含一面、leader 二面、三面和 HR 面共四轮。项目侧深挖 RAG 知识库的检索链路与决策机制、优惠券秒杀的高并发设计;八股覆盖反射、IoC、热点 key、联合索引;手撕考了打家劫舍、下一个排列和一道多线程扣减超卖的代码阅读。
字节、美团、B站 AI Coding 笔试五大题型拆解
作者秋招连续参加字节、美团、哔哩哔哩三家 AI 岗笔试后总结的五类高频题型:RAG 系统实现、Agent 工作流设计、大模型评估指标设计、Prompt 工程优化与 AI 系统架构设计,并给出每类题的解题思路、代码框架与考前准备建议。
字节火山引擎测开一面:云原生 + AI 提效
字节火山引擎测试开发一面:从百度智能云项目切入,追问 IaaS/PaaS、CPU 与 GPU 实例与多租户网络隔离,再到云审计接口自动化、LangGraph 状态管理、用例生成纠错、RAG 分块检索、Celery 异步与 SSE 长连接、502 排查。
携程 Agent 开发一面:LangGraph 项目全链路拷打
携程 Agent 开发岗一面面经,9 月 23 日面试,全程拷打简历主项目:LangGraph 的状态节点与 checkpoint 设计、知识图谱相对纯 RAG 的增益、自训模型与测试集回归、延迟取舍与业务背景匹配度。
携程后端面经合集:RAG 评估、库存分片与 Java 基础
合集涉及 2026 年 4 月至 9 月的多场面试,包含 RAG 项目评估、秒杀库存、并发、数据库事务和编辑距离。
携程、去哪儿、美团面试题汇总:项目深挖与连续追问
原帖汇总三家公司公开面经,整理项目目标、技术难点、学习经历与测试场景的追问,并讨论限时回答的准备方法。
得物 Java 开发一面:并发八股、MySQL 索引与 RAG 项目
得物 Java 开发工程师一面面经:八股集中在 ThreadLocal 原理与内存泄漏、线程池上下文传递、synchronized 与 ReentrantLock 的差异与锁升级、原子类,以及 MySQL 事务隔离级别、幻读与 B+ 树选型;项目部分追问 ReAct 与 Plan-and-Execute 的区别与实现方式,最后是一道时钟夹角逻辑题。
滴滴日常后端一面:慢查询与 RAG 检索链路
滴滴效能平台日常后端一面,9 月 1 日面试。先深挖实习项目与 Token 成本管控,再考 MySQL 慢查询排查、执行计划关键字、回表优化、乐观锁版本号设计,以及 RAG 多路检索、意图改写、BM25 与 Milvus 选型。
度小满 AI 全栈研发三面
度小满 27 届秋招 AI 全栈研发三面面经,9 月 23 日:前半段深挖 AI 项目的出发点、Agent 记忆设计、RAG 文档处理与更新、高召回高准确场景的实现,后半段全是跨部门协作与效率冲突这类行为题。
度小满 AI 全栈研发一面:AI 自主迭代、多模型路由与 Prompt 注入防护
度小满 AI 全栈研发 27 届秋招一面,9 月 20 日。全程围绕实习追问 AI 自主迭代、问答链路排查、多模型切换与路由、Redis 会话状态机、并发下上下文一致性、流式下发与 C 端提示词注入防护,最后手撕字符流中第一个只出现一次的字符。
帆软终面面经:全程被打断的压力面
帆软终面面经:面试官没有深挖算法八股,围绕岗位理解、实习项目里的技术名词、Dify 工作流和「为什么做 RAG 而不微调」追问,全程频繁打断并质疑回答,作者复盘了压力面应对与反问环节的得失。
帆软后端一面面经
帆软后端一面,覆盖 Agent/RAG 项目、数据库索引与查询优化、网络通信、JVM、并发资源治理和缓存设计,并包含一道逻辑题。
广联达 AI面 面经(Java后端)
广联达秋招 AI 面试题记录,前半程围绕 Java 类加载机制、双亲委派与 JVM 内存区域深挖,后半程追问实习项目与 RAG 检索链路的查询重写、精排和混合检索设计。
合肥某头部企业 软件开发实习面试:33 题追问 RAG、MySQL 与 AI Coding
合肥某头部企业软件开发实习生面试汇总:原定半小时却追问了一个小时,33 道题几乎全围绕医疗问答项目——RAG 切分与 Embedding、BM25 与 MMR、MCP 协议、LangChain 与 AI Coding 工作流,随后是 MySQL 隔离级别与 MVCC、Undo Log、深分页、连接池、JVM 排查与 Nginx、Docker 基础。
汇顶科技软件开发工程师IT系统二面
华为后端开发岗面经
华为后端开发岗多轮面经,覆盖Python与Java基础、RAG和Agent应用、文件分片上传、并发控制及Spring生态。
华为通用软件开发一至三面:Agent 项目、AI Coding 与文化面
华为通用软件开发岗线下一次性走完一至三面的面经:一面拷打实习与 Agent 项目架构,追问多模式 Agent 引擎、记忆系统实现以及 Java 多线程容器与 ID 发布器设计,手撕「不超过 k 种字符的最长连续子段」;二面是 AI Coding 实战(RAG 双路检索)穿插开放性提问;三面偏个人情况、对华为的了解与企业文化、加班意愿。
华为 OD Java 面经:设计模式、工具权限与 RAG 分块
一位 26 届应届生的多轮面试记录,技术面涉及推送服务、设计模式和算法,主管面继续追问 Agent 实现与 RAG 分块评估。
华为OD Java开发面经
华为OD Java开发面经,记录机考、综合测评、技术面、主管面与HR面,技术面覆盖Kafka、数据库、Java集合、RAG检索、JVM及两道手撕题。
华为 终端云软件开发 一天三面面经(主管面挂)
华为终端云软件岗 9.24 南京一天三面的记录:一面问计网五层架构与协议、TCP、HTTP、磁盘与内存、堆与栈,并手撕一道带更新操作的算法题;二面是 AI 代码考察(RAG);主管面问免笔试原因、实习、为什么不考研、代码水平与对华为的了解,最终主管面挂。
汇川技术数字化全栈一面:Agent项目深挖与MySQL调优
汇川技术9月20日数字化全栈工程师一面,双机位飞书会议、约半小时无手撕,重点深挖大模型客诉分析Agent与n8n低代码数据中台两个项目,最后考MySQL慢查询与索引回表。
恒生电子 AI 面试 AI 应用开发岗:二十七问全记录
恒生电子 2026 秋招 AI 面试(AI 应用开发岗)完整二十七问:先问岗位理解与 AI 编码工具,再考 Python 装饰器的原理、参数透传与 functools.wraps,接着是联合索引最左匹配与 B+ 树组织方式,主体是大模型结构化输出的稳定性、解析失败兜底,以及 RAG / 传统检索 / 微调的本质区别、Agent 设计模式与反思环节设计,最后深挖候选人的知识库项目与自研框架。
恒生电子AI应用开发AI面试:JVM、InnoDB加锁与RAG切分
恒生电子AI应用开发岗AI面试真题,六大部分共24问:JVM类加载与双亲委派如何防篡改核心类库、InnoDB按主键/唯一键/普通字段做update时加锁差异与间隙锁、Function Calling的参数生成与非法参数治理、跨章节超长文档的分块策略与口径匹配率指标、多智能体矛盾结果仲裁与资料冲突采信优先级,以及Spring AI的抽象设计与原生短板。
恒生电子 AI 面试换题了:技术岗改考二十多道技术追问
恒生电子 2026 秋招 AI 面试(原「闪面」)换题复盘:老版五道行为题已作废,今年技术岗改为二十多道技术追问,两份帖(AI 应用开发岗、技术岗)从头到尾都是技术问题且无手撕,重点集中在大型语言模型输出稳定性、RAG 分块与多轮、以及 Agent 编排与框架选型三块,另附四个容易踩的坑。
科大讯飞Java开发面经
科大讯飞Java开发面试,先考察项目、Spring、Redis和数据库,再深入Agent多引擎、RAG、工具注册和模型应用设计。
科大讯飞 测试开发二面(40min):知识库、测试覆盖与大模型痛点
科大讯飞测试开发二面,9 月 29 日,约 40 分钟。围绕自建知识库追问为什么搭建、落地思路、效果变化与前后差别,并延伸到测试产物覆盖度的保障策略、印象最深的 bug、Codex 使用技巧、skill 与 agent 的区别,以及大模型在测试领域的落地痛点。
京东 后端开发岗面经合集 01:Agent 日志排查、JVM 调优与中间件 11 场真题
京东后端开发岗 11 场面试汇总:Agent 排查系统(告警结构化、日志精确定位、代码知识库)的项目深挖,并发与线程池、JVM 内存排查、MySQL 分库分表、Spring 事务、Kafka 顺序性,以及 AI 检测慢 SQL 这类新题。
京东后端开发岗面经:RAG 知识库、写热点优化与 Java 八股
京东后端开发岗面经:一面围绕 RAG 知识库的业务场景、高并发写热点、Milvus 选型、知识库同步与检索不准的定位,再问 CAS/ABA、线程池、ThreadLocal、B+ 树、慢 SQL、缓存击穿与 Kafka 顺序;二面聊 AI 工具链、订单对账与订单号生成时机。
京东后端一面复盘:RAG 知识库、向量库选型与 CAS 八股
京东后端一面面经,9 月 23 日,约 20 分钟。前半场深挖 RAG 知识库的写热点、Milvus 选型与检索定位;后半场 Java 八股覆盖 CAS 与 ABA、线程池、ThreadLocal、B+ 树、慢 SQL 与 Kafka 顺序性。
京东 大模型算法岗面经合集 02:多模态位置编码、Agent 与 SFT/RL 追问
京东大模型算法岗 9 场面试记录:VLM 项目追问 M-RoPE 视频位置编码与 SAM2,RoPE、ALiBi 与 SwiGLU 八股,Agent 与 SFT/GRPO 链路,RAG 与库存一致性,以及一场偏前端的 Vue 响应式面试。
京东 大模型算法岗面经合集 01:PPO/DPO/GRPO 八股、音视频链路与端侧 AI 追问
京东大模型算法岗 6 场面试记录:强化学习与微调原理(PPO 与 GRPO 的 KL 约束、DPO 的数据构造)、音视频链路深挖(AAC 与 Opus、WebRTC、3A 算法)、LoRA 参数、RAG 切片与召回优化,末尾手撕 LRU。
京东 算法工程师 笔试+一面 商品问答 RAG 深挖
京东算法工程师笔试加一面记录。笔试 90 分钟考订单金额按城市汇总与 AICoding,一面 40 分钟围绕商品问答 RAG 深挖,追问召回不准的解法、知识增量更新的索引与缓存策略、召回率提升手段和向量库选型,最后转岗到更匹配的推荐团队。
九方智投 Agent 开发一面:RAG 切块、MCP 权限与 Java 八股
九方智投 Agent 开发岗一面(2026 年 9 月 24 日):前半场围绕知识库与 Agent——标题切割大小不均、召回率低怎么排查、RRF 原理、Plan 模式与工具调用、MCP 原理与权限控制、人工确认的边界;后半场切到 HashMap、锁与 Redis 宕机恢复等 Java 八股。
客诺信息技术 Java后端 一二面面经:八股、项目与 Agent 追问
客诺信息技术 Java 后端一二面面经:一面 15 分钟围绕 == 与 equals、hashCode、订单表设计、商品调价与历史订单、局域网 IP 等基础题;二面 50 分钟先深挖实习项目的 RBAC 权限、权限注解、Excel 导入与告警链路,再考 Java 集合、Spring 单例 Bean、MySQL 索引与统计 SQL、Redis 数据结构、git 与 HTTP 状态码,最后以 Agent 提示词、RAG 评测与精排收尾。
金蝶 Agent 开发一面(项目为主)
金蝶 Agent 开发岗一面面经,9.21 进行,全程约 20 分钟且几乎没问八股,全部围绕简历里的两个项目与实习。重点追问文档切分策略、引用溯源到页面高亮的实现,以及 Agent 的设计方式、为什么选 LangGraph 而非 LangChain。
金山软件 AI全栈一面
金山软件 AI全栈一面,整理面试中涉及的Java、MySQL、Spring、并发等重点问题,供求职者准备相关岗位面试时参考。
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 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。
上海联蔚数科 AI 工程实习生面经(Agent 八股)
上海联蔚数科 AI 工程实习生面经,约 25 分钟且几乎全是 Agent 八股,实习与后端经历一问没问。内容覆盖 harness 概念、Skills 与 MCP 的区别及数量膨胀处理、知识库、自研 Coding Agent 的上下文压缩与多 Agent 协作。
灵犀互娱 AI 应用开发秋招:记忆层、RAG 评估与 Agent 编排
灵犀互娱 AI 应用开发秋招面经:围绕 Agent 记忆层分层设计、幻觉治理、RAG 效果评估与上线标准、Spring Boot 配置体系、RAG 核心模块、关键字与向量召回分数融合(RRF)、Agent 终止条件与工具规模化设计、规划器与执行器解耦等展开。
力鑫科技全栈二面:简历拷打与 1.6T 数据库上云迁移方案
力鑫科技全栈开发二面(9 月 24 日)近 40 问:从绩点排名、实习离职原因,到线程安全对象池与 ConcurrentHashMap、QPS 测算口径、20 秒慢 SQL 排查,最后是 1.6T 数据库上云迁移场景题并围绕带宽与增量位点连环追问。
美团 Agent 一面:项目架构拷打加 Java 基础八股
美团 Agent 一面:两段大厂 Agent 实习被逐个追问架构与技术选型(多 Agent 还是单 Agent、微调还是 RAG、LLM 记忆),看重项目架构能力;个人后端项目没问,八股覆盖数组与链表、TCP/UDP、Python 与 Java 底层、JVM,手撕最长公共前缀。
美团 AI 应用开发一面:Agent 平台架构与 ReAct 编排
美团 AI 应用开发一面面经,深挖实习的 Agent 平台:意图识别树、ReAct 与 Plan-and-Execute 的取舍、重规划策略、工具超时重试与幂等、混合检索 RRF 融合,最后是 AI Coding 工作流和岛屿数量手撕题。
美团 AI 应用开发一面:召回串味、KV 缓存与手撕滑窗
美团 AI 应用开发一面复盘(已通过,当晚收到二面):以电商客服项目深挖为主,重点追问意图召回串味(「怎么退款」与「退款到哪了」撞车)的拆分方案,八股问了 Transformer 注意力、KV 缓存与多轮状态存储,手撕最长无重复子串。
9.2 美团--一面
美团零食杂售研发部 AI 后端一面,涉及项目迁移、RAG、支付幂等、索引优化和 Top-K 算法。
美团AI后端一面
美团AI全栈二面:RAG切块、多Agent协作与缓存一致性
美团AI全栈二面面经,9.20面试、9.22收到意向书。开场手撕LRU并追问泛型、过期时间与多线程安全,随后全是场景设计题:RAG为什么要用、切块与排序哪个环节影响最大、Markdown怎么切、BM25与向量怎么融合、RRF的k怎么设、多Agent任务分配与状态隔离、工具调用容错、行程规划Agent设计,以及缓存三兄弟与Redis分布式锁。
美团语音面试公开帖整理:项目、网络与系统设计
根据多份公开帖汇总的面试流程与考点,包含语音问答、项目追问和系统设计。
美团后端开发岗面经(02)
美团后端开发岗面经,涉及Java基础、缓存与分布式锁、Kafka异步下单、RAG与Agent、数据库设计和并发场景题。
美团Kmart全栈一面面经:Agent项目深挖与后端基础
美团Kmart研发部全栈一面面经,围绕Agent平台接入项目连续追问,覆盖意图识别评测、读写锁与分布式锁选型、幂等与断点续传、秒杀与Redis预扣库存、ConcurrentHashMap、慢查询优化、缓存三大问题以及RAG与ReAct链路。
美团Java后端日常实习一面面经
美团Java后端日常实习一面,考察RAG评测、Java锁与线程池、线程协作,以及链表基础算法。
美团容器平台Java开发面经
美团容器平台Java开发面经,覆盖数据库与缓存、消息队列、Agent权限、RAG以及线上排障。
米哈游游戏AI研发(Agent)秋招面经
米哈游游戏AI研发(Agent)秋招面经,围绕 RAG 与 Agent 系统工程展开:幻觉防护的分层设计、长期记忆的存储召回与遗忘、视频切片与多模态索引、高光片段判定、长文档切分策略,以及召回率与准确率的评测指标和测试集构造。
三场 Java 面试考点整理:缓存、权限与 RAG
网易雷火全栈一面凉经:UniApp 多端与 AI 知识库
网易雷火全栈一面凉经 22 问:UniApp 多端适配、H5 与小程序样式维护、登录链路、分包加载与白屏优化、中文输入法与并发搜索、长列表渲染优化,以及 AI 知识库的分流与置信度策略、RAG 缓存与 AI 编码评审。
东软集团线下面试:Java 基础、RAG 与 Session
9 月 17 日商用软件事业部线下面试,约二十分钟,主要确认实习经历、技术基础及出差意愿。
蔚来大模型算法岗(智能座舱/自动驾驶)实习一面面经
蔚来大模型算法岗(智能座舱/自动驾驶)实习一面,约 40 道场景设计题:端云部署取舍、语音助手 Agent 架构、复合指令与安全操作二次确认、VLA 与多模态融合、座舱 RAG、隐私脱敏与 OTA 版本管理,末尾手撕数组全排列。
蔚来 大模型算法 秋招面经:代码智能体仓库级改造与上下文工程
2026 秋招蔚来大模型算法岗面经,问题全部围绕代码智能体的工程落地:仓库级上下文如何构建、纯向量检索为何漏文件、符号图与影响分析怎么用、怎么保证生成的补丁真的可交付、项目级指令文件的边界,以及权限隔离与提示注入防护。
拼多多大模型算法秋招一面:过程奖励模型与 GRPO
拼多多大模型算法秋招一面面经,题目集中在 Agent 与强化学习链路:过程奖励模型如何避免只学轨迹长度、GRPO 省掉价值模型后的采样代价、DPO 两个概率同时下降的原因,以及千万级知识库的召回与冲突证据取舍。
平安科技后端全栈一面:RAG 项目与 JVM 内存
约三十分钟的一面,从 Spring 与内存溢出排查转向 RAG 项目,再追问 HashMap、元空间和垃圾回收。
去哪儿 AI 应用开发 AI 面试:JVM、B+ 树、订票系统设计与 RAG 落地
去哪儿 AI 应用开发 AI 面试:追问 JVM 运行时数据区、HashMap 的 put 与扩容、ArrayList 多线程 add、InnoDB 选 B+ 树的原因、进程与线程、订票系统的重复订单拦截,以及高并发缓存与 RAG 调参。
去哪儿AI应用开发秋招一面面经
去哪儿AI应用开发秋招一面面经,覆盖JVM类加载、多模型网关路由与故障隔离、Redis持久化、提示词角色隔离、Agent长期记忆、RAG长文档切分、AI应用评估和JSON Schema结构化输出。
去哪儿 AI 全栈工程师秋招面试
去哪儿 AI 全栈工程师秋招面试:先让在 Java 与 TypeScript 间做选择,再考 ES6 集合类型、Redis 持久化与 MySQL 深分页,并连续追问 RAG 流程、效果评估与文档切片。
去哪儿测试开发一面:测试 Agent、RAG 与索引
去哪儿测试开发技术一面,围绕测试 Agent 项目展开:AI 生成脚本的稳定性、RAG 分层检索与召回稳定性评估、断言粒度设计,另考察 MySQL 索引、HashMap 与 ConcurrentHashMap,以及发红包测试用例设计。
SHEIN 二面:Redis 库存扣减与缓存一致性
SHEIN 二面记录,全程不到 15 分钟。问题集中在项目难点、用 Redis 做原子扣减时数据库与缓存的一致性、下单超时只扣了 Redis 没落库的补救、Lua 脚本里的逻辑、订单与促销多系统扣减的真实流程,以及 Redis 稳定性隐患、RAG 项目与个人规划。
深信服Java后端一面面经(HashMap+RAG)
深信服Java后端日常实习一面面经,无手撕代码。考察HashMap底层、11选10的高频数据场景题、MySQL索引失效与跳表、Redis与数据库一致性、RAG的chunk切分与检索生成场景题。
虾皮数据开发面经:数仓建模、数据治理与智能问数 Agent
虾皮数据开发面经(9 月 23 日):从离线数仓建模存在的问题、分层设计与重复建表,到时效与存储的平衡、口径变更方案,再到智能问数 Agent 的架构、检索匹配与跨域调用规避,末尾反问团队规模与规划。
思特威智能体开发一面:RAG 流程与 Profile 分析
思特威 9.17 线下面试智能体开发岗一面记录:开场深挖实习经历,技术问题集中在 RAG 的整体流程与用户 Profile 分析怎么做,全程没有手撕代码,适合准备 AI 应用 / Agent 方向的同学参考。
欣旺达数据开发AI面:9连问与追问拆解
欣旺达数据开发岗 AI 面记录,手机小程序进行,自我介绍加填意向地后有 4 组问题共 9 问,围绕 Iceberg Schema Evolution 秒级加字段、RAG 补全元数据、数据分析 Agent 的技术选型,以及行为面的抗压与提前布局。
淘天集团 AI Agent 开发岗面经合集:RAG 链路与场景题
淘天 AI Agent 开发岗两场面试:场景题考 URL 瞬时流量冲击的处理策略与实时商品销量 Top-10 排行榜,另有会员价满减计价系统的 AI Coding;技术面围绕 RAG 链路、文档切分、Top-K 取舍与知识库权限控制。
淘天业务与AI全栈工程师一面
淘天业务与 AI 全栈工程师一面,重点深挖 RAG 权限、切分、检索与评测,Agent 工具调用与 AI Coding,以及消息幂等限流、深分页和卖家账单查询设计。
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 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。
某互联网公司 测试开发实习生一面(中国交易与广告方向)
测试开发实习一面记录,面试时间被临时改到次日;题目集中在向量数据库与 RAG 的区别、向量库与 MySQL 的优劣势、向量索引类型与原理、低延迟与向量的含义,以及项目背景与架构介绍,反问环节面试官反过来讲了测开岗位职责。
微店 AI 全栈开发秋招一面:RAG 评估与 Agent 编排
微店 AI 全栈开发秋招一面面经:以 RAG 与 Agent 工程为主,覆盖如何证明召回率提升真实有效、召回率与准确率的权衡、时间范围过滤与版本冲突、检索内容 Prompt 注入防护、删除类高危操作的确认流程、Agent 后端语言选型与编排方式、自主循环与预定义流程的取舍,以及如何保证逐步不可预测的执行最终仍达标。
杭州微链AI应用开发面经:文档入库与DeepAgents
杭州微链AI应用开发面经,面试以工程能力与学习能力考察为主。围绕实习中文档入库全流程、图文混排存储、RRF融合的k值调参、DeepAgents的模型无关性与子Agent上下文设计、大模型调用异常处理,以及结合微信新能力做AI客服的方案选型展开。
浩鲸科技二面:Agent 项目深挖与文档引用处理
浩鲸科技二面记录,30 分钟、两位面试官(技术 + HR),全程用钉钉。技术侧问 Agent 项目背景与技术难点、以及用户需要文档中引用文档内容时怎么处理;HR 侧问期望薪资和为什么去深圳实习,并提出要提前实习。
浩鲸 Java 一面:HashMap、数据权限与同步水位线
约一小时的一面,基础题之外重点追问数据权限重构、数据同步和单点登录,项目设计需要解释为什么这样做。
药明康德 AI 数据方向二面:LangGraph 与知识库方案深挖
药明康德 AI 数据方向二面面经,连续 23 题深挖 Agent 框架:LangGraph 的 state 设计与合并策略、条件边与异常分支、快照持久化与人工介入恢复、多智能体两层编排的收益与代价、混合检索融合与知识库切分方案。
小红书后端开发岗面经合集(一):工作流引擎、秒杀方案与 Agent 设计
小红书后端开发岗十场面试合集,2026 年 7 至 9 月:工作流引擎调度与人工确认防重、Validator 校验,JVM、MySQL 索引与 MVCC,Redis 与秒杀 Lua 扣减,以及 Agent 设计与 RAG 评估。
小红书 大模型算法岗面经合集:隐式 CoT、RAG 上下文管理与 LoRA 微调
小红书大模型算法岗七场面经合集,2026 年 6 月到 9 月。覆盖隐式 CoT 的双任务蒸馏、RAG 分块与多轮指代消解、上下文膨胀、BCE 与 InfoNCE 联合损失、vLLM FP16 池化溢出、LoRA 原理与 Agent 架构。
小红书 大模型算法岗面经合集(二):Redis 秒杀、MCP 与搜广推链路
小红书大模型算法岗八场面经合集(二),2026 年 3 至 4 月。深挖项目:Redis 集群 Lua 原子性、令牌桶限流、秒杀防超卖、点赞用 set 还是 zset、RAG 降幻觉怎么量化;另覆盖 nl2sql、MCP 与搜广推序列建模。
小红书 大模型算法岗面经合集(三):Transformer 细节、DPO 与推理优化
小红书大模型算法岗九场面经合集(三),2025 年 12 月至 2026 年 1 月。覆盖 Transformer 结构与 GQA,微调 7B 显存估算、FlashAttention、DPO 与 RAG 微调,以及 PPO、GRPO 差异。
小红书多模态算法秋招二面面经(约 40 题 + 手撕)
小红书多模态算法秋招二面记录,约 40 题加一道手撕。考察视觉编码器与 LLM 连接方式、多模态幻觉、InfoNCE 温度,以及 SFT 调优、PPO/DPO/GRPO 选型、OOM 优化、端侧推理与蒸馏;手撕为矩阵原地旋转 90 度。
小红书社区工程 Product Engineer 一面:RAG 深挖与 AI Coding
小红书社区工程 Product Engineer(AI 与全栈方向)一面,9.24 约 50 分钟:从实习与 AI 项目切入,深挖 RAG 全流程与切块、检索选型与准确率评估,再问 Agent 与 Workflow 的区别、ReAct、日常 AI Coding 与 Skill 加载,最后是算法(和为 K 的子数组)与高并发缓存、限流设计。
小米 AI 全栈开发面试:Agent 架构、RAG 与多 Agent 隔离
小米 AI 全栈开发面试题,围绕 Agent 项目展开:RAG 切分与召回排查、评测集与 Golden Set 维护、结构化输出校验、多 Agent 隔离与文件冲突、超时取消与断点恢复、成本优化,最后是合并区间手撕题。
小米Java一面面经
小米Java一面聚焦Redis分布式锁与缓存治理、CAS和幂等、RAG检索优化、线程池及大模型注入防护,并手撕并发LRU。
迅雷 Agent 一面:RAG、MCP 与 Java 并发八股
迅雷 Agent 开发一面面经:深挖实习项目里的意图识别与记忆混乱,聊 RAG 是否过时、reranker 原理、chunk 分片、Skill 与 MCP 实现,最后是 Java 并发与 Spring 八股。
中兴未来领军计划 AI 算法一面:RAG、Agent 与 Claude Code 原理
中兴未来领军计划 AI 算法岗一面面经,全程围绕大模型与 Agent 工程展开:RAG 中 embedding 与 rerank 的分工、Agent loop 的终止条件、子 Agent 的实现方式与多智能体协作,并追问了 Claude Code 原理、effort 参数、弱模型结构化输出与 AI 编码工具的实际使用情况。
秋招第一面 8月4号百度后端
百度Java后端开发工程师面试记录,覆盖Java、Redis、MySQL、并发等考点,整理了面试流程与高频问题。
百度后端面经
百度后端岗位多轮面试记录,围绕优惠券秒杀、Redis高可用、消息可靠性、RAG与Agent项目进行深挖,并包含算法题。
百度 后端开发北京 秋招 二面 1h13min
百度Java后端开发工程师面试记录,覆盖JVM、并发、RAG、面试经验等考点,整理了面试流程与高频问题。
分享|4年经验面百度智能客服,三轮技术面全过,薪资没谈拢
百度Java后端开发工程师面试记录,覆盖Java、RAG、面试经验、后端开发等考点,整理了面试流程与高频问题。
字节面经-字节跳动后端开发岗面经-10
字节Java后端开发工程师面试记录,覆盖算法、RAG、面试经验、后端开发等考点,整理了面试流程与高频问题。
字节跳动飞书一面
字节Java后端开发工程师面试记录,覆盖Java、Redis、MySQL、并发等考点,整理了面试流程与高频问题。
后端开发面经
某公司Java后端开发工程师面试记录,覆盖Java、Spring、算法、AI应用等考点,整理了面试流程与高频问题。
秋招实录|连面 3 场 AI‑Agent 后端岗,踩完坑才懂大厂真正考察什么🔥
阿里Java后端开发工程师面试记录,覆盖Java、算法、AI应用、RAG等考点,整理了面试流程与高频问题。
7.21 北京千帧科技 AI全栈 面经 30min
某公司全栈开发工程师面试记录,覆盖Java、Redis、RAG、MCP等考点,整理了面试流程与高频问题。
蔚来后台开发实习一面
某公司Java后端开发工程师面试记录,覆盖Kafka、JVM、并发、RAG等考点,整理了面试流程与高频问题。
momenta二面
某公司Java后端开发工程师面试记录,覆盖Java、Spring、并发、算法等考点,整理了面试流程与高频问题。
帆软提前批一面(凉)
某公司Java后端开发工程师面试记录,覆盖Java、MySQL、JVM、并发等考点,整理了面试流程与高频问题。
深圳思博兰科技实习一面
某公司Java后端开发工程师面试记录,覆盖Java、Redis、MySQL、并发等考点,整理了面试流程与高频问题。
同行者科技 笔试+一面
某公司Java后端开发工程师面试记录,覆盖Java、AI应用、RAG、MCP等考点,整理了面试流程与高频问题。
国金证券java实习面经(offer)
某公司Java后端开发工程师面试记录,覆盖Java、AI应用、RAG、面试经验等考点,整理了面试流程与高频问题。
禹贡科技Java实习面经
某公司Java后端开发工程师面试记录,覆盖Java、Spring、RAG、面试经验等考点,整理了面试流程与高频问题。
Java后端一面面经
某公司Java后端开发工程师面试记录,覆盖Java、Spring、AI应用、RAG等考点,整理了面试流程与高频问题。
顾家家居软件开发(Java)秋招AI面面经
某公司Java后端开发工程师面试记录,覆盖Java、RAG、面试经验、后端开发等考点,整理了面试流程与高频问题。
滴滴mp后端日常一面
滴滴Java后端开发工程师面试记录,覆盖Java、算法、AI应用、RAG等考点,整理了面试流程与高频问题。
京东26校招Java后端面试技术面base三亚
京东Java后端开发工程师面试记录,覆盖Java、JVM、并发、RAG等考点,整理了面试流程与高频问题。
货拉拉二面
货拉拉Java后端开发工程师面试记录,覆盖Java、Redis、JVM、Spring等考点,整理了面试流程与高频问题。
美团 AI Agent 开发岗面经:RAG 切分、多 Agent 协同与上下文压缩
美团 AI Agent 开发岗两场面经:一面围绕 Agent 架构与 RAG 全链路,追问切分策略、多 Agent 任务分配与状态汇总、上下文过长怎么治理、路由机制与上下文压缩;二面深挖项目里的真实问题单链路、workflow 与 Agent 的取舍、CLI 工具封装、参数补全与 Skill/MCP/Function Calling 的分工。
Shopee AI产品经理一面面经
Shopee AI产品经理一面面经,深入考察企业知识库Agent、RAG检索、模型评测与幻觉治理、简历解析、个性化推送和航班监控工作流。
阿里- AI产品 校招一面 攒人品
阿里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、Agent、RAG、用户研究等内容,适合准备相关岗位面试时参考。
27日常实习 阿里千问AI产品面经
阿里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、RAG、用户研究等内容,适合准备相关岗位面试时参考。
【Boss直聘 AI 产品面经拆解】
Boss直聘产品经理面经,原帖记录了一面+二面中的核心追问,重点涉及AI产品、Agent、RAG、商业化等内容,适合准备相关岗位面试时参考。
字节 抖音AI产品面经 面麻了
字节跳动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、RAG、数据分析、高并发等内容,适合准备相关岗位面试时参考。
字节产品日常实习一面凉经
字节跳动产品经理面经,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。
耐挂土豆丝面试回忆录-七月(深势科技)
某公司Java后端开发工程师面试记录,覆盖Java、并发、计算机网络、RAG等考点,整理了面试流程与高频问题。
得物Java开发一面面经
得物Java开发岗一面,围绕Apache Tika文件解析、Tomcat与线程池参数设置、包装类拆箱问题,以及RAG项目中专业术语映射与上下文压缩导致幻觉等AI应用难题展开。
合肥某小厂Java后端面经
合肥某小厂Java后端面经,面试官围绕自学背景和AI Agent CLI项目深挖ReAct/Plan实现原理、AI辅助编程占比,并考察RAG基本流程等前沿知识点。
华为AI Agent产品经理二面
华为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、Agent、RAG、用户研究等内容,适合准备相关岗位面试时参考。
互联网大厂产品工程师一面面经
产品工程师一面记录,重点考察 RAG 检索流程、Chunk 切分与 Top-K 选择、失败案例定位、代码阅读和 LRU 缓存实现。
京东AI 产品校招一面 55min
京东产品经理面经,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。
成都某中厂agent产品开发实习面经
某中厂产品开发工程师面经,原帖记录了面试中的核心追问,重点涉及AI产品、Agent、RAG、模型微调等内容,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。
腾讯云AI 产品 一面 校招面经
腾讯云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、模型微调、商业化等内容,适合准备相关岗位面试时参考。
腾讯云 AI产品 日常实习 一面
腾讯云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、模型微调、用户研究等内容,适合准备相关岗位面试时参考。
腾讯云paas产品二面
腾讯云产品经理面经,原帖记录了二面中的核心追问,重点涉及AI产品、RAG、用户研究、项目深挖等内容,适合准备相关岗位面试时参考。
第一次面试ai产品岗复盘
某公司AI产品经理面经,原帖记录了一面+二面中的核心追问,重点涉及AI产品、Agent、RAG、数据分析等内容,适合准备相关岗位面试时参考。
AI产品经理面经汇总(含回答思路
某公司商业产品经理面经,原帖记录了面经汇总中的核心追问,重点涉及AI产品、Agent、RAG、商业化等内容,适合准备相关岗位面试时参考。
小红书三面后端Agent方向实习面经
小红书三面后端Agent方向实习面经,考察项目真实性、深分页SQL优化方案、RAG项目中大模型JSON异常处理,以及Git、Linux常见排查操作。
小红书PE(全栈)一面面经
小红书PE(全栈)一面,重点拷打RAG项目的整体流程、参数设计与优化方案,并考察编辑距离、旋转链表两道算法手撕题。
小红书暑期一面(已挂)
小红书Product Engineer面经,原帖记录了一面中的核心追问,重点涉及AI产品、Agent、RAG、用户研究等内容,适合准备相关岗位面试时参考。
3.25小红书产品工程师一面
小红书Product Engineer面经,原帖记录了一面中的核心追问,重点涉及AI产品、Agent、RAG、模型微调等内容,适合准备相关岗位面试时参考。
小红书产品工程师(社区工程)面经
小红书Product Engineer面经,原帖记录了一面中的核心追问,重点涉及AI产品、Agent、RAG、项目深挖等内容,适合准备相关岗位面试时参考。
AI产品经理面试-语核科技 面了2小时汗流浃背
语核科技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、RAG、用户研究等内容,适合准备相关岗位面试时参考。
某公司Java岗与Python岗两次面试经历
同一公司Java岗与Python岗两次面试对比面经。Java岗考察支付幂等、CompletableFuture、volatile、CAS原子类、RabbitMQ可靠性、MySQL与MongoDB选型、RAG及Java注解;Python岗考察架构、装饰器、HTTP状态码、高并发处理及Redis五大数据结构。
字节跳动后端开发实习生二面面经
字节跳动后端开发实习生二面面经(2026.6.15),面试官从技术需求和实际场景出发深挖两个项目,考察知识入库流程、RAG效果对比、ReAct范式选型理由、Java反射机制应用场景,并有手撕SQL打印菱形图案的编程题。
海口Java后端小厂面经(AI项目方向)
海口Java后端小厂一面面经,重点考察AI项目中的会话记忆实现与存储方式、RAG知识片段切分与幻觉问题应对,以及MySQL增删改查、Linux命令、Docker与算法基础。
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。
虾皮(Shopee)暑期实习后端一面面经
虾皮(Shopee)暑期实习后端一面面经,深挖 RAG 项目的对比实验设计与摘要压缩、MCP 工具调用安全、分布式租约锁续约机制,八股覆盖多线程 CAS、synchronized 锁标记、MySQL 联合索引最左前缀,以及多道算法题(最短路径、TSP、TopK)。
虾皮(Shopee)Java后端实习二面
Shopee(虾皮)Java后端实习二面面经,无八股无手撕,全程拷打RAG项目细节。考察文档解析、分块策略、向量化入库选型(pgvector vs Milvus)、效果评估指标及Agent与RAG的差异。终局为AI Coding实战题。
TME酷狗后台开发二面凉经
TME酷狗暑期实习后台开发面经,一面深挖缓存设计、RAG链路及MySQL索引原理,二面全程考察Go内存管理、GMP模型及三色垃圾回收,最终二面被面试官否定而凉。
亚信科技(南宁)Java开发一面面经
亚信科技(南宁)Java开发一面面经,技术面时长仅10分钟,重点考察研究生阶段课程与项目内容、Graph RAG及多跳检索概念的了解程度、SpringBoot与MyBatis背后的IOC/AOP理解,节奏很快但仍关注候选人对AI相关方向的掌握。
美团AI全栈开发一面面经
美团AI全栈开发岗位一面面试题分享。面试深入考察了RAG检索架构、混合检索参数调优、Agent幻觉抑制及工程化落地经验。同时涵盖了HTTP协议演进、V8引擎垃圾回收、MySQL索引原理及Java面向对象设计等计算机基础知识。
乌鸫科技Java岗社招一面面经
乌鸫科技Java社招一面面经,60多分钟以三个项目深挖为主:银行项目的海量数据Excel导入与额度扣减、RAG学习项目的三层缓存架构与消息队列异步解耦、电商优惠券项目的数据一致性方案,另涉及AI Coding在工作中的应用占比讨论。
星龙数智 Java 后端面经复盘:从 JVM 到 RAG 落地
北京星龙数智科技 2026 年 5 月 7 日的面试复盘,前段是 Java 与 JVM 基础(类加载、双亲委派、内存区域、GC 算法、异常体系、线程池、ThreadLocal),后段转到 RAG 项目的文档处理、召回率优化与向量库选型。
阿里云AI产品经理一面面经
阿里云AI产品经理一面面经,考察LLM、扩散模型和RAG基础,模型微调与提示词工程选型、幻觉治理、垂直场景产品设计及需求优先级。
百度AI产品经理暑期实习一面面经
百度AI产品经理暑期实习一面面经,覆盖B端经验、产品上线、国内外大模型、竞品分析、RAG、AI商业化、AI编程工具与Agent产品差异。
字节TikTok AI后端开发一面面经
字节跳动TikTok AI后端开发一面面经。面试深度考察Agent核心架构(Planner/Executor/Supervisor模式)、RAG检索增强生成流程及优化、MySQL与Redis特性对比,以及高并发场景下的生产消费者模型设计,手撕题目为LeetCode 224基本计算器。
字节AI产品实习一面面经
字节AI产品实习一面重点深挖项目评测体系、Bad Case归因、训练数据质量与模型微调,并追问RAG、多智能体和OpenClaw等方向。
字节跳动后端一面面经
字节跳动后端一面面经,重点考察项目实战与计算机基础。内容涵盖Base64优化、多进程处理OOM、布隆过滤器、缓存穿透击穿、RAG知识库构建、MySQL InnoDB底层原理及RabbitMQ消息积压处理,并包含算法题“下一个更大元素”解析,适合准备大厂后端面试的同学参考。
字节飞书Golang开发一面面经
字节跳动飞书部门Golang开发岗位一面面经。面试涵盖RAG技术原理、大模型超长上下文处理、JVM内存模型、多线程并发安全及语言对比等核心内容。通过本次面试复盘,学习如何应对高并发场景及大模型架构设计问题。
深势科技 Java 开发面试经验
深势科技Java开发面试经验分享,涵盖一面基础与二面大模型Agent实战。重点考察JVM底层、MySQL事务锁机制、Redis高级应用、Kafka架构及Spring AI RAG知识库构建方案。适合准备后端开发与AI应用开发岗位的候选人复习参考。
滴滴Java开发一面面经
滴滴Java开发一面面试题整理,涵盖RAG大模型落地、SpringBoot自动装配、MQ可靠性、责任链与装饰器模式、ThreadLocal内存泄露处理及数据库慢查询优化等核心考点。
钉钉暑期实习 Java 研发一面面经
钉钉暑期实习Java研发一面面经。面试深度考察OCR技术细节、RAG架构(ES+Milvus)、Embedding模型原理、大模型Prompt与Context Engineering,以及JVM内存管理等核心Java后端与AI工程化知识。
4.3 飞猪 Java后端二面面经
飞猪Java后端二面,侧重考察AI应用开发经验与Java底层原理。重点交流RAG架构选型、Agent多智能体架构,以及并发包组件、AQS锁机制、Spring MVC请求映射原理等技术栈。
海天同创后端日常实习一面面经
海天同创后端日常实习一面面经,面试官重点考察了操作系统基础、AI RAG项目切分优化、分布式即时通讯架构、WebSocket应用、MySQL读写分离一致性以及跨域处理方案,并探讨了AI对编程的影响。
恒生电子C++后端开发面试经验分享
分享恒生电子C++后端开发岗位面试经验。面试重点考察C++多态实现、智能指针、读写锁、数据库索引数据结构及设计模式等八股文,并结合项目经验探讨LLM场景下的性能优化方案(如RAG技术)。
荣耀Java后端开发暑期实习一面面经
荣耀暑期实习Java后端开发一面面经。面试涵盖Redis ZSet底层实现(跳表)、分布式系统一致性、RAG向量检索原理及AI技术趋势探讨。面试官侧重考察候选人对AI结合传统开发能力的认知。
京东AI后端开发日常实习二面面经
京东AI后端开发日常实习二面经验分享。面试重点围绕项目实战、Spring AI框架设计、RAG流程逻辑、Agent架构(长期/短期记忆)及AI辅助编程工具应用。考察候选人对大模型工程化落地及复杂业务重构的理解能力。
27届京东后端AI开发实习生一面面经
京东后端AI开发实习生一面面经,面试重点考察RAG检索增强生成、ES底层原理、分布式锁(Redisson)、Spring AOP机制及Java并发编程(ThreadLocal)。内容覆盖模型应用与后端工程能力,适合准备AI后端岗位的求职者参考。
京东后端AI开发一面面试题分享
京东后端AI开发一面面经,重点考察RAG流程设计、服务降级策略、Java线程池机制、MySQL索引失效与事务ACID、Redis高性能原理及分布式锁应用,并涉及AI工具在开发中的实际辅助能力与边界分析。
京东物流实习生二面面经(Agent项目深度拷问)
京东物流Java后端实习生二面面试记录。面试官重点考察Agent项目开发经验,涵盖RAG架构设计、Spring AI框架原理、大模型记忆机制、AI辅助编程工具应用及业务场景落地能力。无手撕算法,侧重工程思维与技术选型。
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。
乐信科技 Java后端一面面经
乐信科技Java后端一面面经,重点考察RocketMQ核心原理与重试机制、JVM性能调优与CPU高负载排查、Java锁升级机制、Spring多数据源切换实现,以及大模型应用开发与RAG检索技术,涵盖Java后端高频核心考点。
美团AI后端开发一面面经分享
美团AI后端开发一面面试经验,涵盖Agent循环与RAG知识库架构,考察Redis分布式锁与缓存一致性方案,涉及TCP网络协议、数据库分表设计、SOLID原则及多线程并发场景,并包含海量数据处理算法题。
美团 AI 全栈开发实习一面面试题
美团AI全栈开发实习一面面经,重点考察RAG检索策略(混合检索、RRF调参)、Agent幻觉处理、HTTP协议版本区别、Java核心机制、V8引擎GC及向量数据库底层算法,适合备战大厂AI研发岗位的求职者参考。
美团AI全栈工程师面经
美团AI全栈岗位面试经验分享,涵盖RAG架构优化、ES检索、HTTPS通信、Redis深度原理及MySQL核心机制(MVCC、分布式锁、索引优化)。通过真实面试题与考点解析,助你掌握后端高频面试难点,高效备战大厂面试。
美团 AI 产品经理实习面经
美团 AI 产品实习面试记录,覆盖模型训练协作、Bad Case 评测、RAG 优化、BERT 与 Transformer、过拟合及大小模型选型。
深信服后端开发春招面经
深信服后端开发春招面经,涵盖AI Coding实战、LRU算法实现、待办事项系统设计及RAG文本分割技术。本文详述面试过程中的存储系统原理深挖及项目经验分享,为求职者提供参考。
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 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。
万类智生后端开发面经
万类智生后端开发面试,核心考察项目架构设计与AI Agent应用。重点涵盖Spring AI流程、RAG知识库检索、Embedding原理、Redis消息队列设计及高并发分布式场景处理,考查候选人对大模型落地与工程化实现的深度理解。
谐云科技 Java 后端实习面经(AI+并发方向)
谐云科技 Java 后端开发实习面经,共两轮技术面。一面重点考察 AI 工具使用经验(RAG、MCP、Skill、Swarm Agent)及 Java 并发八股(线程池核心参数、synchronized、线程安全集合、MVCC);二面深入业务痛点与 RAG 落地实践,并附经典智力题。适合备战 Java 后端+AI 方向实习岗位的同学参考。
中科创达面试复盘
中科创达面试复盘,围绕Java基础、线程池、CAS、JVM、MySQL索引与事务、RAG检索流程、LangChain、AI客服和Agent开发展开。
阿里 AI 产品经理实习一面面经
阿里 AI 产品实习一面,深挖多维权限、MCP、大模型与传统模型差异、RAG 链路、微调选型和日常 AI 产品使用。
安恒信息 Java开发实习面经
安恒信息Java开发实习面试题汇总。涉及Arthas指令、Redis内存淘汰与集群模式、Spring初始化、线程池队列、Elasticsearch更新策略、HashMap与TreeMap、CountDownLatch底层、分布式事务XA与TCC、RAG原理及AI辅助编程工具等核心技术点。
字节跳动后台开发二面面经
字节跳动后台开发二面面经,重点考察Go语言GMP调度模型、Java线程池机制、Redis Cluster集群原理及数据分片迁移。涵盖分布式架构、RAG大模型应用、Function Call与MCP对比,以及数据库事务隔离级别分析与算法路径总和实战。
钉钉 Java 暑期实习一面
钉钉 Java 后端暑期实习一面,共约 40 题,涵盖秒杀系统设计、Redis Lua 脚本、Caffeine 本地缓存、Kafka 消息顺序、MySQL 慢 SQL 与主从同步、CAS/ABA/死锁、JVM 锁升级,以及 RAG 知识库系统评估等核心知识点,无手撕算法题。
航旅纵横实习生面试面经
航旅纵横后端实习生面试,面试涵盖RAG架构设计、高并发选座一致性、数据库设计、JWT、Nginx及Java核心底层原理(HashMap、多线程)。面试官重点考察项目细节与底层技术理解,面试时长约40分钟。
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。
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。
龙旗科技Java实习面经
龙旗科技Java实习面经,涵盖一面八股文考察及二面项目深挖。涉及Java基础、多线程、Redis缓存机制、MySQL索引优化、Spring Cloud微服务架构、容器化K8s及Agent开发与RAG工作流等核心知识点。
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。
腾讯云 AI 产品经理实习一面面经
腾讯云 AI 产品经理实习一面,覆盖 LLM、Diffusion、RAG、微调与提示词工程、幻觉治理、垂直场景设计、需求优先级和竞品分析。
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。
赢时胜Java后端开发线下面试经验
赢时胜Java后端开发面试分享。面试形式为2对2群面,考察重点涵盖项目实践与Java基础,包括索引失效场景、synchronized锁实现原理、以及对RAG和MCP等前沿技术的理解。适合准备Java后端面试的求职者参考。