知识点快速导航

优先把高频知识点放在最前面。可以点击下面卡片进入，也可以直接点左侧目录树。

Agent架构与范式

题目数 66 · 涉及公司 13 · 涉及面经 25

代表题目

• #Agent面试会问什么？# （3 次）
• 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent （1 次）
• Agent 的规划、执行、反思三段式链路怎么设计 （1 次）
• RAG 可以怎么分类，Agentic RAG 和传统 RAG 差别在哪 （1 次）
• Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选 （1 次）
• 智能体开发范式有哪些，分别适合什么场景 （1 次）
• 智能体的记忆机制应该怎么设计，为什么“全都记住”反而是坏事 （1 次）
• 设计智能体时，稳定性和安全性应该优先在哪些层面做约束 （1 次）

RAG与检索优化

题目数 51 · 涉及公司 10 · 涉及面经 18

代表题目

• RAG 项目里怎么做召回闭环，才能让系统真的越用越准 （1 次）
• HyDE 的原理是什么，什么时候有效，什么时候会害人 （1 次）
• IVF、PQ、IVF-PQ 分别在做什么，为什么它们能把向量检索做快 （1 次）
• 向量索引有哪些典型类别，分别适合什么场景 （1 次）
• 为什么要用 RAG，而不是直接让模型回答安全分析问题 （1 次）
• 文档chunk完有多少id （1 次）
• 多路召回和重排序是怎么提高检索成功率的 （1 次）
• 你之前向量检索加redis缓存是怎么做的？ redis健和值是什么？ （1 次）

后端基础与工程化

题目数 45 · 涉及公司 10 · 涉及面经 17

代表题目

• 了解redis集群吗？了解redis底层的存储逻辑吗？ （1 次）
• redis的性能单点能够有多少？集群能够有多少？ （1 次）
• 我看你的黑马点评项目用的rabbitmq，为啥选这个？这个对比其他mq有什么特别的优势？（我说当时只学了这个，所以就用了，实际上rocketmq应该会更好） （1 次）
• Java 里的强引用、软引用、弱引用、虚引用在工程里怎么理解，别只背定义 （1 次）
• 本地部署要考虑什么？配置管理放在哪里？ （1 次）
• JMeter 压测的具体参数是怎么设置的？ （1 次）
• Redis 是单线程的，为什么它还能支持高并发？ （1 次）
• 在实际业务场景中，你怎么判断什么时候需要加缓存？为什么不能只用 MySQL？ （1 次）

框架、MCP与工具调用

题目数 38 · 涉及公司 9 · 涉及面经 19

代表题目

• MCP、Function Calling、Skills、Agent 分别是什么，它们之间是什么关系 （1 次）
• LangChain 和 LangGraph 如果要选，你更看重什么维度 （1 次）
• MCP 和 CLI 工具接入在工程上分别解决什么问题，它们不是一回事 （1 次）
• 你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain4j、spring ai有什么区别？选型的时候怎么考虑的？ （1 次）
• 你用spring Ai Ailibaba的时候感觉有哪些比较好的点？哪些不太方便的点？ （1 次）
• 介绍一下langchain和langgraph （1 次）
• skill是自己写的吗 ，互相之间可以联动吗？ （1 次）
• 为什么不用skill-creator （1 次）

记忆与上下文管理

题目数 34 · 涉及公司 10 · 涉及面经 18

代表题目

• Agent 的记忆一般怎么分层，为什么不能只靠聊天历史 （1 次）
• 短期记忆和长期记忆应该如何精准提取，分别存什么内容更合理 （1 次）
• 做完rag后llm能理解图片里的内容吗，还是通过加入上下文token后靠文本理解 （1 次）
• 为什么要设计这三层记忆架构，是一个通用的设计还是参考了什么论文 （1 次）
• 新的记忆加到文件里 是直接append吗？ 覆盖？还是改写？ （1 次）
• 记忆模块存在哪种介质上 （1 次）
• 跨会话通过压缩保留关键症状，这一块详细介绍 （1 次）
• 用户今天问A，三天后问B，怎么关联两次提问，记忆怎么跟用户维度绑定。（session级视角、没考虑并发和多次咨询隔 （1 次）

算法与编码题

题目数 22 · 涉及公司 7 · 涉及面经 17

代表题目

• 算法题 （2 次）
• 手撕合并k个升序链表（前几天pdd一面刚写完） （1 次）
• 算法题口头说一下1200w的数据里，怎么找到中位数 （1 次）
• 字符串数字相减 （1 次）
• 字符串最长连续序列 （1 次）
• 手撕:一道原创题，大致题意:给定一个链表"head={4,2,8}和 一课二叉树 root=Rn{1,4,4,1,2,null,2,null,null,nul1,2,8,2,1,null,null,null,null,8,null,null}(貌似是这样的)判断一下这课树中存不存在一条路径和链表是一样的 （1 次）
• 如果对参数传入一个字符串类型，如何在方法内部修改它并把这个字符串的值传递出来? （1 次）
• 代码实现LRU （1 次）

评测、幻觉与数据集

题目数 20 · 涉及公司 8 · 涉及面经 14

代表题目

• AI 应用里的在线实验和传统 AB 测试有什么差别，为什么更难做 （1 次）
• RAG 的效果你怎么评估，不能只说看用户反馈 （1 次）
• 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉 （1 次）
• 怎么解决幻觉问题 （1 次）
• 有没有评估过你的记忆架构，在没参考openclaw之前和之后的指标有什么变化，成功率有对比吗？ （1 次）
• 你说你的文档准确率达到90%，具体做的改变是什么 （1 次）
• 你的数据集是怎么收集的，然后是怎么评估的呢？打分是谁在打分？人在打分 ，还是模型裁判员去打分？如果有很好用的模型裁判员，为什么不用裁判员模型 （1 次）
• 意图识别用的是哪个大模型？如何判断和测试意图识别结果的准确率？ （1 次）

模型基础与推理机制

题目数 17 · 涉及公司 6 · 涉及面经 11

代表题目

• 平时你怎么利用大模型开发项目，而不是停留在写点 demo （1 次）
• 介绍一下对temperature的理解 （1 次）
• 用过哪些模型，模型选择不是看排行榜的话，你一般怎么选 （1 次）
• 介绍一下KV cache （1 次）
• attention和self-attention （1 次）
• 为什么attention比rnn好 （1 次）
• LLM 的输入到底是什么？模型真正看到的内容包含哪些？ （1 次）
• self-attention 的核心作用是什么？为什么要拆成 Q、K、V？ （1 次）

项目介绍与项目拷打

题目数 14 · 涉及公司 10 · 涉及面经 12

代表题目

• 自我介绍 （6 次）
• 项目拷打 （3 次）
• 介绍你写的这个项目 （1 次）
• 做一下自我介绍 （1 次）
• 介绍一个你做的这个项目，重点讲架构和你负责的部分 （1 次）
• 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历 （1 次）
• 你的AI项目的亮点是什么? （1 次）

业务场景设计

题目数 11 · 涉及公司 7 · 涉及面经 9

代表题目

• 你对网络安全方向怎么看，为什么 AI 应用在这个方向上既有价值又有风险 （1 次）
• 那为什么医院的问答项目里，不采用同样的实现 （1 次）
• 除了导购，你认为在电商领域（如京东）还有哪些场景可以用到 Agent？ （1 次）
• 设计一个游戏智能客服，整机架构 （1 次）
• 设计一个游戏助手agent，记忆系统怎么设计 （1 次）
• 如何定义游戏角色状态 （1 次）
• 你未来想做什么业务 （1 次）
• 工具调用的安全控制是怎么实现的? （1 次）

牛客近6个月AI应用开发面经汇总

• 生成时间：2026-04-12 17:17:22
• 统计窗口：2025-10-11 ～ 2026-04-12
• 搜索关键词数：53
• 牛客搜索候选帖数（去重后）：119
• 过滤后实际面经帖数：32
• 最近3个月面经帖数：32

说明：这里的“全量”指基于牛客站内搜索 + 多组岗位关键词扩展后，当前可检索到并落在近6个月窗口内的相关面经帖去重结果。

搜索关键词

• AI应用开发、AI应用开发 面经、AI应用开发 一面、AI应用开发 二面、AI应用开发 实习、AI应用平台开发、AI应用平台开发 面经、AI应用服务端开发、AI应用服务端开发 面经、AI应用后端开发、AI应用后端开发 面经、AI应用前端开发、AI应用工程师、AI应用工程师 面经、AI技能应用开发、AI Agent开发、AI Agent开发 面经、AI Agent 应用开发、AI Agent研发、Agent开发、Agent开发 面经、智能体开发、智能体开发 面经、智能体应用开发、智能体与大模型应用工程、智能体与大模型应用工程 面经、大模型应用开发、大模型应用开发 面经、大模型应用开发 一面、大模型应用开发 二面、大模型应用工程、大模型应用工程师、大模型数据应用开发、大模型数据应用开发 面经、大模型开发、大模型应用、小红书 AI Agent开发 一面、米哈游-AI Agent研发-暑期一面、百度ai agent开发春招一面、字节agent开发实习一面凉经、快手AI Agent开发一面（已过）、4.9-淘天agent-二面、腾讯暑期实习 ai agent开发一面、实习-快手电商-大模型数据应用开发一面、字节暑期后端agent开发一面、快手大模型应用开发算法岗三面面经、拼多多大模型应用开发一面凉经、腾讯 大模型应用开发 二面、腾讯 大模型应用开发 一面、大模型应用开发一面-美团面经、OPPO大模型应用开发一面 攒人品、字节 大模型应用开发 二面 日常实习、字节大模型应用开发 日常实习一面

公司分布

• 字节: 7
• 淘天: 4
• 快手: 4
• 腾讯: 3
• 蚂蚁: 2
• 阿里国际: 2
• 小红书: 1
• 阿里云: 1
• 高德: 1
• 京东: 1
• 阿里灵犀互娱: 1
• 金山云: 1
• 阿里淘天: 1
• 米哈游: 1
• 百度: 1
• 蔚来: 1

月份分布

• 2026-04: 31
• 2026-03: 1

总表

逐条整理

2026-04-12｜小红书 AI Agent开发 一面

• 公司：小红书
• 岗位归类：ai agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/discuss/872820735335485440
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1. 自我介绍；2. 介绍你写的这个项目；3. 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent；4. MCP、Function Calling、Skills、Agent 分别是什么，它们之间是什么；5. Agent 的规划、执行、反思三段式链路怎么设计；6. Agent 的记忆一般怎么分层，为什么不能只靠聊天历史
• 提取到的面试题/考点：
• 1. 自我介绍
• 2. 介绍你写的这个项目
• 3. 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent
• 4. MCP、Function Calling、Skills、Agent 分别是什么，它们之间是什么关系
• 5. Agent 的规划、执行、反思三段式链路怎么设计
• 6. Agent 的记忆一般怎么分层，为什么不能只靠聊天历史
• 7. RAG 可以怎么分类，Agentic RAG 和传统 RAG 差别在哪
• 8. RAG 项目里怎么做召回闭环，才能让系统真的越用越准
• 9. HyDE 的原理是什么，什么时候有效，什么时候会害人
• 0. IVF、PQ、IVF-PQ 分别在做什么，为什么它们能把向量检索做快
• 1. 向量索引有哪些典型类别，分别适合什么场景

2026-04-12｜淘天 AI应用开发 二面

• 公司：淘天
• 岗位归类：ai应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/discuss/872816572199464960
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经、大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1. Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该；2. 智能体开发范式有哪些，分别适合什么场景；3. 智能体的记忆机制应该怎么设计，为什么“全都记住”反而是坏事；4. 短期记忆和长期记忆应该如何精准提取，分别存什么内容更合理；5. LangChain 和 LangGraph 如果要选，你更看重什么维度；6. 设计智能体时，稳定性和安全性应该优先在哪些层面做约束
• 提取到的面试题/考点：
• 1. Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选
• 2. 智能体开发范式有哪些，分别适合什么场景
• 3. 智能体的记忆机制应该怎么设计，为什么“全都记住”反而是坏事
• 4. 短期记忆和长期记忆应该如何精准提取，分别存什么内容更合理
• 5. LangChain 和 LangGraph 如果要选，你更看重什么维度
• 6. 设计智能体时，稳定性和安全性应该优先在哪些层面做约束
• 7. AI 应用里的在线实验和传统 AB 测试有什么差别，为什么更难做
• 8. MCP 和 CLI 工具接入在工程上分别解决什么问题，它们不是一回事

2026-04-12｜阿里云 AI应用开发 一面

• 公司：阿里云
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/discuss/872810222128021504
• 命中搜索词：大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1. 做一下自我介绍；2. 你对网络安全方向怎么看，为什么 AI 应用在这个方向上既有价值又有风险；3. 介绍一个你做的这个项目，重点讲架构和你负责的部分；4. 为什么要用 RAG，而不是直接让模型回答安全分析问题；5. RAG 的效果你怎么评估，不能只说看用户反馈；6. 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉
• 提取到的面试题/考点：
• 1. 做一下自我介绍
• 2. 你对网络安全方向怎么看，为什么 AI 应用在这个方向上既有价值又有风险
• 3. 介绍一个你做的这个项目，重点讲架构和你负责的部分
• 4. 为什么要用 RAG，而不是直接让模型回答安全分析问题
• 5. RAG 的效果你怎么评估，不能只说看用户反馈
• 6. 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉
• 7. 多智能体项目的目的是什么，什么时候真的需要多智能体
• 8. 你做完多智能体系统之后，最大的体会是什么
• 9. 前端为什么不直接做一个普通聊天页，而是要选更适合流式交互的方案
• 0. 平时你怎么利用大模型开发项目，而不是停留在写点 demo

2026-04-11｜快手ai应用服务端开发 二面

• 公司：快手
• 岗位归类：ai应用服务端开发
• 轮次：二面
• 来源：https://www.nowcoder.com/discuss/872512773710696448
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：4.9面，没后续了。因为我得到6月才能到，面试官说还有两个月，中间会陆续招人，要是到6月份还有名额再；啥时候能来实习。能实习多久？；了解redis集群吗？了解redis底层的存储逻辑吗？；redis的性能单点能够有多少？集群能够有多少？；你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain；你用spring Ai Ailibaba的时候感觉有哪些比较好的点？哪些不太方便的点？
• 提取到的面试题/考点：
• 4.9面，没后续了。因为我得到6月才能到，面试官说还有两个月，中间会陆续招人，要是到6月份还有名额再捞我。
• 啥时候能来实习。能实习多久？
• 了解redis集群吗？了解redis底层的存储逻辑吗？
• redis的性能单点能够有多少？集群能够有多少？
• 你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain4j、spring ai有什么区别？选型的时候怎么考虑的？
• 你用spring Ai Ailibaba的时候感觉有哪些比较好的点？哪些不太方便的点？
• 你了解agent编排的有向无环图吗？你用了吗？为什么没用？
• 你用过龙虾吗？对里面的技术有啥了解吗？
• 我看你的黑马点评项目用的rabbitmq，为啥选这个？这个对比其他mq有什么特别的优势？（我说当时只学了这个，所以就用了，实际上rocketmq应该会更好）
• 手撕合并k个升序链表（前几天pdd一面刚写完）
• 转正率如何？看表现，一般都能转

2026-04-10｜蚂蚁金融Agent开发暑期面经分享

• 公司：蚂蚁
• 岗位归类：agent开发
• 轮次：未明确
• 来源：https://www.nowcoder.com/feed/main/detail/1f90384e8ff54172b65b50d853b00da0
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1.项目拷打；2.上传文档时，是一个一个上传还是批量上传；3.文档chunk完有多少id；4.做完rag后llm能理解图片里的内容吗，还是通过加入上下文token后靠文本理解；5.多路召回和重排序是怎么提高检索成功率的；6.怎么解决幻觉问题
• 提取到的面试题/考点：
• 1.项目拷打
• 2.上传文档时，是一个一个上传还是批量上传
• 3.文档chunk完有多少id
• 4.做完rag后llm能理解图片里的内容吗，还是通过加入上下文token后靠文本理解
• 5.多路召回和重排序是怎么提高检索成功率的
• 6.怎么解决幻觉问题
• 7.介绍一下对temperature的理解
• 8.介绍一下langchain和langgraph
• 9.算法题口头说一下1200w的数据里，怎么找到中位数

2026-04-10｜高德 AI应用开发 一面

• 公司：高德
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/discuss/872229606252675072
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历；2. Flutter 的核心原理是什么，如果不从 Widget 开始讲，你会怎么讲；3. Flutter 和 React Native、原生开发最大的区别，不要只说性能；4. Flutter 的 UI 为什么能回到原生页面上，这个过程本质上发生了什么；5. 如果文字内容变化导致宽度发生变化，Flutter 的重排到底是怎么发生的；6. Flutter 里 build、layout、paint、composite 这几段如果线上卡
• 提取到的面试题/考点：
• 1. 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历
• 2. Flutter 的核心原理是什么，如果不从 Widget 开始讲，你会怎么讲
• 3. Flutter 和 React Native、原生开发最大的区别，不要只说性能
• 4. Flutter 的 UI 为什么能回到原生页面上，这个过程本质上发生了什么
• 5. 如果文字内容变化导致宽度发生变化，Flutter 的重排到底是怎么发生的
• 6. Flutter 里 build、layout、paint、composite 这几段如果线上卡顿，你怎么判断卡在哪一段
• 7. Java 里的强引用、软引用、弱引用、虚引用在工程里怎么理解，别只背定义
• 8. 讲一下你做过的 Agent Skill，不要从业务价值讲，直接讲技术拆分
• 9. 团队里常用哪些开发工具比较多，如果从 AI 协作方式去分类，你会怎么讲
• 0. 你是什么时候开始用 Claude Code 这一类工具的，真正改变你的是什么
• 1. 用过哪些模型，模型选择不是看排行榜的话，你一般怎么选
• 2. 对商业项目来说，开发者过去习惯手动掌控每个细节，到了 AI 提供生产力的时代，你怎么看这个变化
• 3. 你用 AI 写代码时一般怎么拆解任务，才能让结果比较稳定

2026-04-10｜字节 剪映 ai应用开发

• 公司：字节
• 岗位归类：ai应用开发
• 轮次：未明确
• 来源：https://www.nowcoder.com/feed/main/detail/2e53f0ec451a4e71b2e3418252071ba4
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. 你这里的意图判断是怎么做的？直接交给模型做，还是这个用户的查询query做了一些其他处理。；2. 为什么要设计这三层记忆架构，是一个通用的设计还是参考了什么论文。；3. Agent 的评估是怎么做的；4. 有没有评估过你的记忆架构，在没参考openclaw之前和之后的指标有什么变化，成功率有对比吗？；5. 你之前向量检索加redis缓存是怎么做的？ redis健和值是什么？；6. 新的记忆加到文件里 是直接append吗？ 覆盖？还是改写？
• 提取到的面试题/考点：
• 1. 你这里的意图判断是怎么做的？直接交给模型做，还是这个用户的查询query做了一些其他处理。
• 2. 为什么要设计这三层记忆架构，是一个通用的设计还是参考了什么论文。
• 3. Agent 的评估是怎么做的
• 4. 有没有评估过你的记忆架构，在没参考openclaw之前和之后的指标有什么变化，成功率有对比吗？
• 5. 你之前向量检索加redis缓存是怎么做的？ redis健和值是什么？
• 6. 新的记忆加到文件里 是直接append吗？ 覆盖？还是改写？
• 7. 改的方式 模型改吗？模型调用editor去改文件是吗？
• 8. 你觉得 redis+milvus向量存储 和mysql+文件系统+向量检索，他们的优劣如何？优点缺点分别是什么。
• 9. 其实我比较感兴趣的是他们这两种方式的查询检索召回 效率的对比。
• 0. 对于每一个用户，在系统中怎么保存这些不同用户的文档？
• 1. 其实就是模型通过路径去读这些文件是吧，那如果两个人登了同一个账号，在同一时刻，这个文件会被两个不同的用户使用，在这个情况下，你们的系统如何处理？怎么解决这个问题？
• 1. 你说你的文档准确率达到90%，具体做的改变是什么。
• 2. 那为什么医院的问答项目里，不采用同样的实现
• 3. 你说pdf表格密集，那假如用户就是问一个表格里，第二行是2025年，第三行是2024年，具体问2025年的值是多少，你的系统能做到吗？
• 4. skill是自己写的吗 ，互相之间可以联动吗？
• 5. 为什么不用skill-creator
• 6. 你的数据集是怎么收集的，然后是怎么评估的呢？打分是谁在打分？人在打分 ，还是模型裁判员去打分？如果有很好用的模型裁判员，为什么不用裁判员模型
• 7. 介绍一下KV cache
• 8. 讲一下transfromer架构。
• 算法题
• 1. 字符串数字相减
• 2. 字符串最长连续序列

2026-04-10｜腾讯 AI应用开发面经

• 公司：腾讯
• 岗位归类：ai应用开发
• 轮次：未明确
• 来源：https://www.nowcoder.com/feed/main/detail/acd3e53eecbc405296335edae4d5cf88
• 命中搜索词：AI Agent开发、AI Agent开发 面经、AI应用开发、AI应用开发 面经、AI应用服务端开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1. 记忆模块存在哪种介质上；2. 跨会话通过压缩保留关键症状，这一块详细介绍；3. FSM状态机分哪个部分，怎么实现；4. 为什么选择ReAct；5. 用户今天问A，三天后问B，怎么关联两次提问，记忆怎么跟用户维度绑定。（session级视角、没；6. 多 Agent 框架怎么设计，为什么这么划分 Agent
• 提取到的面试题/考点：
• 1. 记忆模块存在哪种介质上
• 2. 跨会话通过压缩保留关键症状，这一块详细介绍
• 3. FSM状态机分哪个部分，怎么实现
• 4. 为什么选择ReAct
• 5. 用户今天问A，三天后问B，怎么关联两次提问，记忆怎么跟用户维度绑定。（session级视角、没考虑并发和多次咨询隔
• 6. 多 Agent 框架怎么设计，为什么这么划分 Agent
• 7. skill是什么 Auto-coder skill怎么工作。
• 8. Skill 的核心价值是什么？为什么会有这个概念？
• 9. 可插拔 RAG、一键配置切换、是不是热更新？（热更新--运行时不停机动态替换）
• 0. 工厂模式的优点是什么？
• 1. 本地部署要考虑什么？配置管理放在哪里？
• 2. langchain和langgraph的区别？为什么有了langchain还要langgraph
• 分别解决什么问题？为什么有了langchain还要langgraph
• 算法题:

2026-04-10｜27暑期实习-京东Agent开发二面分享

• 公司：京东
• 岗位归类：agent开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/6af1c8611e434bbe8ba9cfa2bd0eaf18
• 命中搜索词：AI Agent开发、AI Agent开发 面经、大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1.项目拷打；2.介绍一下 AI 智能体的 workflow 以及 RAG 知识库是怎么设计的？；3.意图识别用的是哪个大模型？如何判断和测试意图识别结果的准确率？；4.Redis 做语义向量的相似度检索，内部用的是什么算法？；5.在使用 RAG 的程中有没有出现大模型幻觉？如何设计兜底方案？；6.JMeter 压测的具体参数是怎么设置的？
• 提取到的面试题/考点：
• 1.项目拷打
• 2.介绍一下 AI 智能体的 workflow 以及 RAG 知识库是怎么设计的？
• 3.意图识别用的是哪个大模型？如何判断和测试意图识别结果的准确率？
• 4.Redis 做语义向量的相似度检索，内部用的是什么算法？
• 5.在使用 RAG 的程中有没有出现大模型幻觉？如何设计兜底方案？
• 6.JMeter 压测的具体参数是怎么设置的？
• 7.Redis 是单线程的，为什么它还能支持高并发？
• 8.在实际业务场景中，你怎么判断什么时候需要加缓存？为什么不能只用 MySQL？
• 9.除了导购，你认为在电商领域（如京东）还有哪些场景可以用到 Agent？

2026-04-10｜阿里灵犀互娱AI应用开发暑期二面

• 公司：阿里灵犀互娱
• 岗位归类：ai应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/3dbec664147348d685f3e2b8b50288f8
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1.你如何使用ai coding的，怎么保证能按照你的要求完成代码；2.设计一个游戏智能客服，整机架构；3.意图识别小模型如何训练，数据集怎么构造；4.什么时候采用单agent，什么时候采用多agent，原因；5.如何打通agent对多平台数据源的访问；6.如果用户在同一个对话中每一句都是独立问题，如何进行上下文管理
• 提取到的面试题/考点：
• 1.你如何使用ai coding的，怎么保证能按照你的要求完成代码
• 2.设计一个游戏智能客服，整机架构
• 3.意图识别小模型如何训练，数据集怎么构造
• 4.什么时候采用单agent，什么时候采用多agent，原因
• 5.如何打通agent对多平台数据源的访问
• 6.如果用户在同一个对话中每一句都是独立问题，如何进行上下文管理
• 7.设计一个游戏助手agent，记忆系统怎么设计
• 8.设计一个自动挂机agent，与传统挂机脚本有什么优势
• 9.如何定义游戏角色状态

2026-04-10｜快手 AI agent开发二面分享 1h

• 公司：快手
• 岗位归类：ai agent开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/afa98a916503444aa708fcfffb263d38
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1.你的AI项目的亮点是什么?；2.上下文压缩算法的触发条件；3.长任务(执行几天，步骤很多)在你的项目中是怎么做的?；4.有了解claudeCode的Hook机制功能知道嘛?解释一下；5.装饰器设计模式和代码设计模式；6.看过Springboot/Spring的源码嘛?里面用到了哪些设计模式
• 提取到的面试题/考点：
• 1.你的AI项目的亮点是什么?
• 2.上下文压缩算法的触发条件
• 3.长任务(执行几天，步骤很多)在你的项目中是怎么做的?
• 4.有了解claudeCode的Hook机制功能知道嘛?解释一下
• 5.装饰器设计模式和代码设计模式
• 6.看过Springboot/Spring的源码嘛?里面用到了哪些设计模式
• 7.mysql的锁有哪些?
• 8.讲一下乐观锁和悲观锁
• 手撕:一道原创题，大致题意:给定一个链表"head={4,2,8}和 一课二叉树 root=Rn{1,4,4,1,2,null,2,null,null,nul1,2,8,2,1,null,null,null,null,8,null,null}(貌似是这样的)判断一下这课树中存不存在一条路径和链表是一样的。

2026-04-10｜27届-日常实习-金山云-AI应用平台开发-一面

• 公司：金山云
• 岗位归类：ai应用平台开发
• 轮次：一面
• 来源：https://www.nowcoder.com/discuss/872055401926164480
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：4.9-半个小时左右；1、自我介绍；2、慢SQL优化分析，解决了哪些问题，优化思路是怎么样的？；3、针对Kafka消息丢失采取了哪些措施？如何保障消息不重复消费？(只回答了消费端幂等，没了解过生产；4、Cache aside模式的优劣是什么？；5、项目中的RAG定位和工作流程是什么样的？
• 提取到的面试题/考点：
• 4.9-半个小时左右
• 1、自我介绍
• 2、慢SQL优化分析，解决了哪些问题，优化思路是怎么样的？
• 3、针对Kafka消息丢失采取了哪些措施？如何保障消息不重复消费？(只回答了消费端幂等，没了解过生产端的幂等，但是好像是存在的)
• 4、Cache aside模式的优劣是什么？
• 5、项目中的RAG定位和工作流程是什么样的？
• 6、RAG如何实现语义分块的？RAG评估用了哪些方法和指标，结果如何？
• 7、聊AI Coding，使用过AI Coding写代码吗？有使用AI Coding进行项目迭代吗？
• 8、AICoding在需求清晰和需求变更两类场景下，各自的实践方式和遇到的主要挑战是什么？
• 9、Skills，主Agent调用子Agent的话通信怎么做？回答了A2A协议，但是面试官说这个其实用的不多。
• 0、反问:具体部门业务。

2026-04-10｜阿里国际AI应用开发暑期一面 1h

• 公司：阿里国际
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/580e5a35eddb47e0851952165004f233
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1.你现在主要使用的开发语言有哪些?；2.有使用过Java吗，对Java的掌握程度怎么样?；3.Python里面的init_(和_new_)有什么区别?；4.了解带有下划线的_new_方法吗?；5.Python里面传参是传值还是传引用?；6.如果对参数传入一个字符串类型，如何在方法内部修改它并把这个字符串的值传递出来?
• 提取到的面试题/考点：
• 1.你现在主要使用的开发语言有哪些?
• 2.有使用过Java吗，对Java的掌握程度怎么样?
• 3.Python里面的init_(和_new_)有什么区别?
• 4.了解带有下划线的_new_方法吗?
• 5.Python里面传参是传值还是传引用?
• 6.如果对参数传入一个字符串类型，如何在方法内部修改它并把这个字符串的值传递出来?
• 7.any和or有什么区别?
• 8.Python里面有哪些元素最终判断为 False?
• 9.Python里面的copy(浅拷贝)跟deepcopy(深拷贝)有什么区别?
• 0.Python里面的垃圾回收机制是怎么样的?
• 1.怎么去提高一个Python文件的运行效率?在编译层面还可以怎么做?
• 2.Python里面会出现内存泄漏吗?
• 3.怎么理解内存泄漏?全局变量算内存泄漏吗?
• 4.如果把列表(List)本身作为一、二级缓存来使用，算内存泄漏吗?
• 5.在操作系统方面，进程跟线程有什么区别?
• 6.引入线程主要是为了解决什么样的问题?
• 7.从浏览器里面输入一个URL，到整个页面的展示，中间的过程是怎样的?
• 8.DNS解析用的是TCP还是UDP?
• 9.TCP是几次握手、几次挥手?
• 0.四次挥手有可能会变成三次吗(出现三个报文的情况)?
• 1.什么是对称加密跟非对称加密?
• 2.HTTP请求中GET和POST有什么区别?
• 3.GET的长度限制是哪里限制的?是客户端还是服务端的限制?
• 4.有用过哪些AI相关的编程工具?
• 5.你觉得这些AI工具会代替掉现有的程序员吗?
• 6.AI在哪些方面会比程序员要强?

2026-04-10｜淘天AI应用开发 agent岗一面 好难

• 公司：淘天
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/a0306a045d594b02b63fb0654d517901
• 命中搜索词：AI Agent开发、AI Agent开发 面经、AI应用开发、AI应用开发 面经、AI应用服务端开发 面经、大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1.项目拷打；2.你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这；3.RAG支持 PDF 扫描件和 OCR，然后还有表格结构化的提取，然后在这过程中有没有遇到什么技术；4.识别准确率怎么样？；5.这个多智能体系统设计里面，然后它的这个 State 管理和Checkpoint分配机制的具体实现；6.怎么样实现 State 全局管理？
• 提取到的面试题/考点：
• 1.项目拷打
• 2.你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这个是怎么去设计两者的结合逻辑的？然后混合策略的话具体是如何去提升检索效果的？
• 3.RAG支持 PDF 扫描件和 OCR，然后还有表格结构化的提取，然后在这过程中有没有遇到什么技术难点？
• 4.识别准确率怎么样？
• 5.这个多智能体系统设计里面，然后它的这个 State 管理和Checkpoint分配机制的具体实现方式是什么？怎么去解决对话执行中的状态竞争问题呢？
• 6.怎么样实现 State 全局管理？
• 7.将Choice 接口封装为MCP工具的时候，怎么去设计一个标准化接口？然后遇到有没有遇到过一些兼容性的挑战？
• 8.举了项目里的一个例子，问我出参入参是怎么去定义的？
• 9.大模型在调用这个工具的时候，比如说有 MCP 之前，它的调用的处理流程是什么样子的？
• 0.或者说 MCP 它有哪些缺点或者挑战呢？
• 1.提供的这个 MCP 的结果它是流式的吗？
• 2.这个多agent项目是主子agent的项目吗？
• 3.其中一个功能，然后它的 token 就是一次会话 token 大概有多少？有没有超过上限？
• 4.模型用的哪个？我答Qwen，问我Qwen具体哪个版本
• 5.在子任务过程中啊，如果它的某个子任务失败，比如说数据获取为空，它的这个整个工作流是怎么去重试或者是降级处理的？
• 6.在实现这个流式输出实现的时候，比如说后端用了 FastAPI 和 SSE 来实现中间结果的实时流式输出。然后在这个 Langchain 这种基于图的状态机框架中，是怎么捕获每个 node 的执行结果，然后推送到前端的？
• 7.LangGraph 和Langchain 为什么选择了 LangGraph 没有选择简单的那个 Langchain 呢？
• 8.Checkpoint 的持久化
• 9.对话之后重新连接的话，是怎么能够恢复到之前的那个状态呢？
• 0.对话持久化的话，是存储到哪里的？是存储到内存里面，还是存到硬盘上面去的？
• 1.关于 RAG 的，向量数据库在选择建索引的时候是用了哪种向量数据库？为什么？
• 2.这里面你提到了 RRF 重排序，然后有没有引入什么模型进行精排？

2026-04-09｜阿里淘天 AI应用开发 暑期实习一面

• 公司：阿里淘天
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/39627b379e8e46ce9cb3a3b8eae46959
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. 目前你的每月AI消耗的token量是多少？花费是多少？；2. RAG系统中，超过了模型上下文窗口怎么处理？；3. RAG相比于目前的各种coding agent，他的优势在哪里？；4. Multi-Agent系统和单Agent系统的优缺点？什么时候选用？；5. pipeline中如果其中一个agent出错了，产生错误输出，下游agent该如何处理？；6. 介绍ReAct、Plan、Reflection这些不同agent实现范式的区别，还有使用场景的
• 提取到的面试题/考点：
• 1. 目前你的每月AI消耗的token量是多少？花费是多少？
• 2. RAG系统中，超过了模型上下文窗口怎么处理？
• 3. RAG相比于目前的各种coding agent，他的优势在哪里？
• 4. Multi-Agent系统和单Agent系统的优缺点？什么时候选用？
• 5. pipeline中如果其中一个agent出错了，产生错误输出，下游agent该如何处理？
• 6. 介绍ReAct、Plan、Reflection这些不同agent实现范式的区别，还有使用场景的理解。
• 7. 什么样才是一个好的agent？从工程角度来说，做一个好的agent需要关注哪些方面？从这个Context Engineering的思路，如何去做好一个生产级的agent？
• 9. 你有没有尝试用AI解决工作/生活/学习中的一些问题？改变了一些重复性劳动的方式？
• 0. 算法:AI coding题，要求实现一个工单处理系统。

2026-04-09｜米哈游-AI Agent研发-暑期一面

• 公司：米哈游
• 岗位归类：ai agent研发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/a1566acc2660477dbf54b58885513d6c
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）、米哈游-AI Agent研发-暑期一面
• 提炼摘要：1.自我介绍；2.项目；3.问SFT；4.attention和self-attention；5.为什么attention比rnn好；6.workflow和agent区别
• 提取到的面试题/考点：
• 1.自我介绍
• 2.项目
• 3.问SFT
• 4.attention和self-attention
• 5.为什么attention比rnn好
• 6.workflow和agent区别
• 7.记忆机制的设计？如果都放在一起怎么办
• 8.mcp
• 9.few-shot有没有用？
• 0.agent怎么保证有用？
• 1.沙箱了解吗？
• 2.你会怎么去测试ai写的代码？
• 3.代码实现LRU
• 4.反问:做什么？有什么建议？面试几轮？

2026-04-09｜阿里国际AI应用开发二面

• 公司：阿里国际
• 岗位归类：ai应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/c2772ead209549a0bb6e54f2df205a31
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1.深挖实习内容；2.mcp是如何内置sop流程的；3.如何量化工作的成效；4.为什么不在上一家公司转正；5.你未来想做什么业务；6.你参加实习后最大的提升是什么
• 提取到的面试题/考点：
• 1.深挖实习内容
• 2.mcp是如何内置sop流程的
• 3.如何量化工作的成效
• 4.为什么不在上一家公司转正
• 5.你未来想做什么业务
• 6.你参加实习后最大的提升是什么

2026-04-09｜百度ai agent开发春招一面

• 公司：百度
• 岗位归类：ai agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/c807140b75bd4cf3bf4166660676db5d
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）、百度ai agent开发春招一面
• 提炼摘要：简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？；提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？；你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？；Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？；上下文是如何构建的？你们怎么避免上下文过长或信息污染？；如果上下文窗口不够，你会优先保留哪些信息？为什么？
• 提取到的面试题/考点：
• 简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？
• 提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？
• 你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？
• Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？
• 上下文是如何构建的？你们怎么避免上下文过长或信息污染？
• 如果上下文窗口不够，你会优先保留哪些信息？为什么？
• 做代码理解时，AST、调用关系这些信息是怎么用起来的？
• 单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？
• 覆盖率高但测试质量很差，你见过吗？你们是如何解决的？
• mock 在单测里什么时候是必须的？什么时候反而会带来问题？
• 如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？
• 你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？
• LLM 的输入到底是什么？模型真正看到的内容包含哪些？
• self-attention 的核心作用是什么？为什么要拆成 Q、K、V？
• 为什么 attention 能建模长距离关系？
• 为什么需要 multi-head？attention 为什么可以看成动态加权？
• 同一个 token 的 Q、K、V 为什么不相同？
• attention 复杂度很高，当上下文特别长时，你会怎么优化？
• 模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？
• Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？

• Agent面试会问什么？

2026-04-09｜字节agent开发实习一面凉经

• 公司：字节
• 岗位归类：agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/69b9cd21f1244d3cb19499f249228b50
• 命中搜索词：AI Agent开发、AI Agent开发 面经、字节agent开发实习一面凉经、字节暑期后端agent开发一面、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1. 为什么选择 Spring AI 框架？；2. Spring AI 框架的主要优势是什么？；3. 如何设计多模型支持架构？；4. 多租户环境下模型切换是否支持热更新？切换是否相互独立？；5. Agent 的记忆、工具调用、知识库检索等关键组件是如何实现的？；6. 系统中的 Agent 包含哪些具体状态？
• 提取到的面试题/考点：
• 1. 为什么选择 Spring AI 框架？
• 2. Spring AI 框架的主要优势是什么？
• 3. 如何设计多模型支持架构？
• 4. 多租户环境下模型切换是否支持热更新？切换是否相互独立？
• 5. Agent 的记忆、工具调用、知识库检索等关键组件是如何实现的？
• 6. 系统中的 Agent 包含哪些具体状态？
• 7. 后端 Agent 是否支持多租户同时调用？
• 8. Session 和 User ID 是如何绑定的？
• 9. Agent 工具调用的完整业务流程是怎样的？
• 0. 长期记忆和短期记忆在设计上有什么区别？本质上有什么区别？
• 1. SSE 在前后端是如何交互的？
• 2. 后端以什么数据格式推送流式信息？
• 3. Agent 发生“工具调用”时，SSE 推送的事件结构中通常包含哪些字段？
• 4. MCP的交互流程是怎样的？
• 5. Agent 如何与 MCP Server 连接通信？
• 6. RAG 的主要模式和主要工作流程是怎样的？
• 7. Agent 一般在什么阶段去查询向量知识库？通过什么方式去查询？
• 8. 查询知识库的工具函数，其标准输入和输出是什么？
• 9. Go 语言的 GMP 调度模型是怎样的？
• 0. GMP 模型中的 Machine (M) 代表什么？
• 1. Processor (P) 上的本地队列长度通常是多少？
• 2. 系统如何实现图像识别等多模态功能？
• 3. 为什么不直接使用多模态大模型？
• 4. 在没有前端界面的情况下，本地图片是如何传到后端并进行识别的？
• 5. 对其他主流 AI 框架（如 LangChain）有了解吗？
• 6. 你最熟悉的主力编程语言是什么？
• 7. 手撕 :两两交换链表中的节点

• Agent面试会问什么？

2026-04-09｜快手AI Agent开发一面（已过）

• 公司：快手
• 岗位归类：ai agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/7ce89f19368b46da853c718f2ae2f53c
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：1、为什么引入父子索引?；2、为什么在检索阶段引入BM25?；(追问)BM25和向量检索是怎样组合的?比例是如何设置的?；(追问)整体检索流程是怎样的?从query 到最 终上下文的完整流程是什么?；(追问)检索阶段有没有做rerank?使用的是什 么方式?；1、rerank后一般返回几个块?
• 提取到的面试题/考点：
• 1、为什么引入父子索引?
• 2、为什么在检索阶段引入BM25?
• (追问)BM25和向量检索是怎样组合的?比例是如何设置的?
• (追问)整体检索流程是怎样的?从query 到最 终上下文的完整流程是什么?
• (追问)检索阶段有没有做rerank?使用的是什 么方式?
• 1、rerank后一般返回几个块?
• (追问)为什么选择这个数量?有没有做过验证?
• 2、rerank后的topK截断是怎么做的?
• (追问)为什么是这个值?有没有尝试过其他策略?
• (追问)如果上下文长度不够或过长,你是怎么处理的?
• 1、讲一下上下文工程是怎么设计的。
• (追问)上下文拼接的结构是怎样的?
• (追问)如何避免上下文过长导致模型性能下降?
• 2、记忆机制是怎么做的?
• (追问)短期记忆和长期记忆是如何区分和存储 的?
• (追问)记忆更新策略是什么?
• 1、Function Calling 是怎么设计的?
• 2、Agent的任务规划是怎么做的?
• (追问)规划是由模型完成还是通过规则实现?
• (追问)多工具调用时如何决定调用顺序?
• (追问)如果工具调用失败如何处理?
• 1、Prompt注入攻击如何防御?
• (追问)有没有做输入过滤或规则校验?
• 2、工具调用的安全控制是怎么实现的?
• (追问)如何限制模型调用敏感接口?
• (追问)是否有权限控制或白名单机制?
• 1、讲一下分布式令牌桶限流。
• 2、漏桶算法是什么?
• 3、滑动窗口算法是怎么实现的?
• (追问)如果使用滑动窗口，结构体中会包含哪些字段?

2026-04-09｜腾讯日常实习一面-AI应用开发 1h

• 公司：腾讯
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/37e847fa267b4c3898b38e2952b5286e
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：手撕:LRU Cache；1.短期记忆的存储结构；2.生成摘要是怎么存储的?；3.短期记忆是针对会话级的，那跨对话的呢?；4.摘要压缩的时候，是怎么限制摘要长度呢?压缩到原来的一半还是让大模型自由发挥?；5.长期记忆的触发时机是怎么样的?如果只是主动录入+召回和rag有什么区别?
• 提取到的面试题/考点：
• 手撕:LRU Cache
• 1.短期记忆的存储结构
• 2.生成摘要是怎么存储的?
• 3.短期记忆是针对会话级的，那跨对话的呢?
• 4.摘要压缩的时候，是怎么限制摘要长度呢?压缩到原来的一半还是让大模型自由发挥?
• 5.长期记忆的触发时机是怎么样的?如果只是主动录入+召回和rag有什么区别?
• 6.两种检索方式是怎么融合的呢?
• 7.查询重写是怎么实现的?是怎么评估重写效果?
• 1.对于Linux有了解吗?如果Linux的磁盘满了或者CPU高负载需要用什么命令定位?
• 2.假如说有一个服务部署在Linux上面，上游调用失败，怎么去排查失败原因
• 3.讲一讲计算机网络的IO多路复用?epoll的实现是怎么样的
• 4.讲一讲进程和线程的区别?线程之间的通讯方式有哪些?
• 5.MySql中执行查询语句的过程，是怎么找到对应行的?描述一下中间过程
• 6.如果输入的是二级索引，是一个什么过程呢?

2026-04-09｜4.9-淘天agent-二面

• 公司：淘天
• 岗位归类：ai agent开发
• 轮次：二面
• 来源：https://www.nowcoder.com/discuss/871774510138023936
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：🕐面试时间：60min；❓面试问题：；自我介绍；聊聊对agent的认识；有没有用过open claw；skills了解吗
• 提取到的面试题/考点：
• 🕐面试时间：60min
• ❓面试问题：
• 自我介绍
• 聊聊对agent的认识
• 有没有用过open claw
• skills了解吗
• 你刚才想到了用子agent的思路，在什么情况下会这么做，有什么好处
• skills和子agnet有什么区别，什么场景下选择不同的解决方法（我回答的是看整体的任务复杂度，问题太复杂的话用子agent，同时开发复杂度会高）
• 问了个java开放题，我的机器每隔一段时间就会full gc 你有什么解决方式 或排查方式吗

2026-04-09｜字节Agent开发一面90min凉经

• 公司：字节
• 岗位归类：agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/91c5394e57c14927841d7a86bfe427c2
• 命中搜索词：字节agent开发实习一面凉经、字节暑期后端agent开发一面
• 提炼摘要：1.自我介绍；2.提示词模板是怎么构建的？；3.单Agent还是多Agent的？子Agent任务是什么？；4.分支覆盖率是怎么统计的？原理有没有了解过？代码插桩具体是怎么实现的？；5.对于代码解析有没有前置分析？有效性判断怎么实现的？未来让你来优化这些指标你会怎么设计？；6.有没有思考过哪些代码会让模型生成的代码准确度和覆盖率降低？这些用AST和LSP都生成不了单测的代
• 提取到的面试题/考点：
• 1.自我介绍
• 2.提示词模板是怎么构建的？
• 3.单Agent还是多Agent的？子Agent任务是什么？
• 4.分支覆盖率是怎么统计的？原理有没有了解过？代码插桩具体是怎么实现的？
• 5.对于代码解析有没有前置分析？有效性判断怎么实现的？未来让你来优化这些指标你会怎么设计？
• 6.有没有思考过哪些代码会让模型生成的代码准确度和覆盖率降低？这些用AST和LSP都生成不了单测的代码如何过滤？
• 7.mock是怎么实现的？
• 8.多维度的查询改写是什么？改写的时候遇到需要用户参与补充信息时怎么设计？技术上怎么实现？
• 9.并行化意图识别是什么？为什么要并行化？如何实现的？
• 0.讲一下项目里召回的流程
• 1.对于上下文工程有什么经验吗？有没有做过to do list？为什么这样会让模型更聚焦，怎么实现的？
• 2.skills的原理有没有了解过？怎么实现的？
• 3.LLM的底层原理有没有了解？输入给模型的是什么？
• 4.self attention怎么实现的有了解吗？为什么要分成QKV，怎么计算的？同一个token向量是一样的吗？
• 5.python有没有多线程？为什么要有GIL，有没有了解过？多线程的锁都有什么？lock和Rlock有什么区别？
• 6.信号量的底层是怎么实现的？
• 7.cpp编译链接流程有没有了解？编译分哪些步骤？
• 手撕:
• 8.岛屿最大面积
• 9.反问

• Agent面试会问什么？

2026-04-09｜腾讯暑期实习 ai agent开发一面

• 公司：腾讯
• 岗位归类：ai agent开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/497e14617f01453db84dfbc264e5751e
• 命中搜索词：AI Agent开发、AI Agent开发 面经、小红书 AI Agent开发 一面、快手AI Agent开发一面（已过）
• 提炼摘要：（3）了解过抓包吗？介绍一下tcpdump？；面试很难，还是要多多练习，感觉自己说不明白业务逻辑；（1）实习拷打；（2）介绍一下垃圾回收算法。；（4）介绍一下分布式系统的一致性哈希算法。；（5）介绍一下HTTPS四次握手。
• 提取到的面试题/考点：
• （3）了解过抓包吗？介绍一下tcpdump？
• 面试很难，还是要多多练习，感觉自己说不明白业务逻辑
• （1）实习拷打
• （2）介绍一下垃圾回收算法。
• （4）介绍一下分布式系统的一致性哈希算法。
• （5）介绍一下HTTPS四次握手。
• （6）算法题：实现两个字符串类型的大数相加

2026-04-09｜蔚来 AI应用开发 暑期一面分享

• 公司：蔚来
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/5af31c8afe254a00a69a6c0141e6908a
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. SSE怎么实现的？；2. RabbitMQ怎么保证时序性？；3. 介绍一下IOC和AOP；4. 介绍一下Bean的生命周期。；5. Redis的持久化策略。；6. 说说Mysql的引擎。
• 提取到的面试题/考点：
• 1. SSE怎么实现的？
• 2. RabbitMQ怎么保证时序性？
• 3. 介绍一下IOC和AOP
• 4. 介绍一下Bean的生命周期。
• 5. Redis的持久化策略。
• 6. 说说Mysql的引擎。
• 7. 场景题:a,b,c的联合索引，只查a,c，会走联合索引吗？
• 8. 介绍一下JVM内存结构。
• 9. 手撕:欢乐数（LeetCode 202，ACM风格）

2026-04-08｜实习-快手电商-大模型数据应用开发一面

• 公司：快手
• 岗位归类：大模型数据应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/discuss/871506086656761856
• 命中搜索词：实习-快手电商-大模型数据应用开发一面
• 提炼摘要：介绍netty的多路复用机制？介绍一下epoll是什么？；（简历）介绍一下双token机制？refresh token的安全性这么考虑的？；（简历）会话机制怎么校验当前客户端是他自己？；（简历）布隆过滤器的业务场景是什么？他是为了做什么的？高并发的流量是由什么决定的？；介绍一下synchronized和ReentrantLock的区别？；介绍一下synchronized的底层实现？Monitor是用来做什么的？
• 提取到的面试题/考点：
• 介绍netty的多路复用机制？介绍一下epoll是什么？
• （简历）介绍一下双token机制？refresh token的安全性这么考虑的？
• （简历）会话机制怎么校验当前客户端是他自己？
• （简历）布隆过滤器的业务场景是什么？他是为了做什么的？高并发的流量是由什么决定的？
• 介绍一下synchronized和ReentrantLock的区别？
• 介绍一下synchronized的底层实现？Monitor是用来做什么的？
• 介绍一下ReentrantLock的底层？
• 线程池的构造参数？
• 介绍一下Spring的AOP？
• 有没有了解过JDK动态代理为什么是基于接口的？
• 介绍一下Spring的IoC？
• 讲讲Ioc的循环依赖问题和解决？
• 算法，维护二叉树next指针，用常量级空间

2026-04-08｜AI应用开发日常实习二面-字节

• 公司：字节
• 岗位归类：ai应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/0607316a2492400896408c95e10951e0
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. 问关于ReAct的知识，那几个模式有什么差别；2. 给了一个场景，就是设计一个全自动化的agent进行AI漫剧创作，你会怎么设计？；3. 为什么要引入父子索引？BM25引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有；4. 如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？；5. rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？；6. 讲一下上下文工程，还有记忆功能是怎么实现的。
• 提取到的面试题/考点：
• 1. 问关于ReAct的知识，那几个模式有什么差别
• 2. 给了一个场景，就是设计一个全自动化的agent进行AI漫剧创作，你会怎么设计？
• 3. 为什么要引入父子索引？BM25引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有做rerank操作？
• 4. 如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？
• 5. rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？
• 6. 讲一下上下文工程，还有记忆功能是怎么实现的。
• 7. 讲一下LRU的原理和实现。
• 8. 讲一下你项目agent框架
• 9. langchain langgraph了解多少 你在你的项目中有使用吗
• 0. 你做的agent响应这么快 你是否有工程优化 是什么
• 1. chunk怎么切的 除了你这么切 还有别的办法吗
• 2. 如果用滑动窗口 如何去重？
• 3. 准确率提升是如何量化的
• 4. 如果你切chunk的时候 第一个段落和第十个段落有联系你怎么做

2026-04-08｜字节AI应用开发实习面经分享

• 公司：字节
• 岗位归类：ai应用开发
• 轮次：未明确
• 来源：https://www.nowcoder.com/feed/main/detail/76448605da6e4aee99a394da83d1718f
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：1. AI agent 与function call有什么区别。；2. AI Coding用过什么。；3. AI Coding和AI Agent如何一起使用，即如何用AI Coding开发一个AI Ag；4. 有没有试过用langchain和langgraph做AI Agent的开发？有什么感受？；5. 对云熟不熟？有哪些产品？相关的实践有哪些？；6. 有哪些推理引擎？大模型推理有哪些指标？
• 提取到的面试题/考点：
• 1. AI agent 与function call有什么区别。
• 2. AI Coding用过什么。
• 3. AI Coding和AI Agent如何一起使用，即如何用AI Coding开发一个AI Agent
• 4. 有没有试过用langchain和langgraph做AI Agent的开发？有什么感受？
• 5. 对云熟不熟？有哪些产品？相关的实践有哪些？
• 6. 有哪些推理引擎？大模型推理有哪些指标？
• 7. 为什么要用PD分离？业界方案是怎么样的？mooncake的KV Cache是否有外挂？
• 8. 你如何看待AI Agent的发展现状？未来又是什么看法？
• 9. langchain的主要在这个chain 怎么理解这个chain
• 0. 提示词怎么设计的 如何设计
• 1. rag怎么构建的
• 2. 模型微调qwen
• 2.5-3B 用llamafacotry 怎么做的
• 3. mcp mcp是什么
• 4. 工具调用失败 怎么办
• 5. 想要按照结构输出怎么办？
• 6. 多agent协作 如何做 设置工作流
• 7. 介绍一下你的项目
• 8. 你提到的coze，coze有两版，一个是拖拽式的编排，新的一版是直接使用agent？，你使用的是哪一种？你是怎么设计节点的？
• 9. 你编写了哪些MCP工具，介绍一下
• 0. 上下文管理是怎么做的，如何进行记忆

2026-04-05｜蚂蚁ai应用开发实习二面

• 公司：蚂蚁
• 岗位归类：ai应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/718c5a06a65645d7a462a56b457cb35e
• 命中搜索词：大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1.实习拷打；2.简历上项目ai coding的占比有多少；3.自己ai coding的使用范式/习惯；4.项目从0到1，以及1-100开发时有什么区别？；5.function call, map, skills. 智能体演进过程；6.从安全的角度去考虑，用户与Agent， Agent与Agent，以及Agent与后端交互这些链路
• 提取到的面试题/考点：
• 1.实习拷打
• 2.简历上项目ai coding的占比有多少
• 3.自己ai coding的使用范式/习惯
• 4.项目从0到1，以及1-100开发时有什么区别？
• 5.function call, map, skills. 智能体演进过程
• 6.从安全的角度去考虑，用户与Agent， Agent与Agent，以及Agent与后端交互这些链路中存在哪些安全问题
• 7.mcp与命令行shell脚本实现一些功能有什么区别
• 8.AI时代对于传统后端开发有哪些影响？是不是程序员就不用懂后端相关的技术了？

2026-04-03｜淘天-ai应用开发-一面

• 公司：淘天
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/076a8d1acaae4795a28d4a5370872bd6
• 命中搜索词：大模型应用开发、大模型应用开发 二面、大模型开发、大模型数据应用开发、拼多多大模型应用开发一面凉经、智能体开发、智能体开发 面经、腾讯 大模型应用开发 一面
• 提炼摘要：1. 性能优化演进、；面对 1~2 亿条msg的突发消息洪峰（MQ 压力极大），除了单机单线程处理，还有什么更好的架构级解；2. RabbitMQ vs RocketMQ 技术选型；这两种 MQ 分别适用于什么样的业务场景？；RocketMQ 的 ACK 机制和消息重发机制是怎样的？；如何在这两种 MQ 中实现顺序消费？
• 提取到的面试题/考点：
• 1. 性能优化演进、
• 面对 1~2 亿条msg的突发消息洪峰（MQ 压力极大），除了单机单线程处理，还有什么更好的架构级解决方案？
• 2. RabbitMQ vs RocketMQ 技术选型
• 这两种 MQ 分别适用于什么样的业务场景？
• RocketMQ 的 ACK 机制和消息重发机制是怎样的？
• 如何在这两种 MQ 中实现顺序消费？
• 如何支持分布式事务消息？
• 1. RAG的痛点与优化
• 如何解决 RAG 检索出来的知识忠实度不够、回答有偏差的问题？
• 对于长文档（如 200~300M 包含图片的文档），Chunk（文本块）的切分策略是怎样的？
• 大模型上下文窗口变大后（如从 256K 提升至 1M），如何解决“中间遗忘 (Lost in the middle)”的问题？
• 2. Agent 编排与大模型框架
• 在简单的问答任务和复杂的配置任务中，分别采用了哪种 Agent 架构？
• MAS 多智能体架构在处理复杂任务时有什么明显的缺点？
• 为什么选择 Spring AI 框架？在实际使用中发现它有什么缺陷？
• 1. Agent 评测体系 (Eval)
• 你们通过哪些指标来评测 Agent 的表现？
• 如何定义和评判一个回答是否是“高分回答”？
• 2. 真实大厂高容错场景设计
• 问题要求: 在此背景下，如何升级你的系统架构？如何进行自动化的投放与评测闭环？

2026-04-02｜字节 ai应用开发

• 公司：字节
• 岗位归类：ai应用开发
• 轮次：一面
• 来源：https://www.nowcoder.com/feed/main/detail/c5947496fc29440883611173478dc257
• 命中搜索词：AI应用开发、AI应用开发 面经、AI应用服务端开发 面经
• 提炼摘要：手撕:丑数；自我介绍；DAG编排怎么做的；每个agent用的啥；langgraph怎么编排的；评估怎么做的
• 提取到的面试题/考点：
• 手撕:丑数
• 自我介绍
• DAG编排怎么做的
• 每个agent用的啥
• langgraph怎么编排的
• 评估怎么做的
• 数据集怎么建的
• 语义分块
• 微调和强化学习应用场景
• HNSW怎么构建
• 多文件怎么处理
• 益智题：一个八升水杯，一个五升水杯，怎么得到四升水
• 第二个面试官提问：
• threadlocal
• langchain的checkpoint
• agent harness
• 第三个项目中的感知调度怎么做的

2026-03-21｜字节 大模型应用开发 二面 日常实习

• 公司：字节
• 岗位归类：大模型应用开发
• 轮次：二面
• 来源：https://www.nowcoder.com/feed/main/detail/30b6f37830414df5a32d851f2004df7a
• 命中搜索词：字节 大模型应用开发 二面 日常实习、字节大模型应用开发 日常实习一面
• 提炼摘要：1.实习介绍；2.拷打第一个项目；3.拷打第二个项目；4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？；5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？；6.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？
• 提取到的面试题/考点：
• 1.实习介绍
• 2.拷打第一个项目
• 3.拷打第二个项目
• 4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？
• 5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？
• 6.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？
• 7.向量库检索出的Top-K结果，如果K值设置得过大，对后续的生成质量有哪些负面影响？
• 8.余弦相似度和欧氏距离在衡量文本相似性时，各自的优缺点是什么？
• 9.为什么在初筛召回之后，还要加一个Rerank模型？它能解决向量搜索的哪些局限？
• 0.如果文档发生了局部更新，如何通过增量索引来避免全量重新向量化？
• 1.在RAG的生成阶段，如何在Prompt中设定边界条件来防止模型在没搜到内容时产生幻觉？
• 2.了解HyDE吗？介绍一下原理，它在处理模糊提问时有哪些优势？
• 3.随着超长上下文模型的出现，你认为传统RAG架构的必要性是否降低了？
• 4.你了解哪些大模型推理框架？SGLang相比vLLM的PagedAttention在推理延迟上有哪些优势？
• 5.调用大模型API时，为什么要使用asyncio异步编程？它在处理高并发请求时有何优势？
• 6.针对大规模PDF解析这种任务，你选择多线程还是多进程？
• 7.如何确保Agent返回的结果是标准的JSON格式？如果模型输出中有多余的说明文字，你在后端如何提取？
• 8.场景题:对于RAG，如果检索到了针对同一故障的两份手册，内容相互冲突，请你设计一套逻辑，让模型能够识别冲突并优先选择时效性更高的信息？
• 9.手撕:第k大元素

排除项

• 2026-04-12｜Agent开发｜更像讨论/求助帖，非稳定面经｜https://www.nowcoder.com/feed/main/detail/437dadeddf6041ca9ea7575e0b890434
• 2026-04-11｜Agent岗位爆发，作为后端开发要不要无脑转？｜明显是求助/讨论帖｜https://www.nowcoder.com/discuss/872566113119322112
• 2026-04-10｜网易互娱 C++开发实习 一面(暑期)｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/872225421591404544
• 2026-04-10｜4.10- 阿里云agent-一面｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/872120976190816256
• 2026-04-10｜蚂蚁27暑期智能体大模型应用一面｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/8d817a84839949ed85d2bc7fe5f8e9bf
• 2026-04-09｜蚂蚁智能体ai开发一面 暑期实习｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/ce29d4456f5a4474a52fd21f9d9cf741
• 2026-04-09｜agent开发外包面试常见题｜明显是汇总/攻略帖｜https://www.nowcoder.com/feed/main/detail/4a2bfe1cc9d34a3a90b419840e73e5d9
• 2026-04-09｜竞技世界C++开发一面｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/871804904774393856
• 2026-04-09｜Agent 小厂面经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/d2812ee9853e41dc9d4885948143fd79
• 2026-04-09｜现在走ai应用开发行么｜明显是求助/讨论帖｜https://www.nowcoder.com/feed/main/detail/5b2ecf12435f4d3f9580e73cb12924d9
• 2026-04-09｜测试和开发怎么选｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/f1dee05b86134e329e164eb76a251e6f
• 2026-04-09｜阿里 AI Agent 开发 一面（附答题思路）｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/871729066020257792
• 2026-04-09｜大模型Agent面试全攻略（附答题思路）｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/871718560224112640
• 2026-04-08｜27届-暑期实习-字节国际广告CRM-一面凉经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/871521961380241408
• 2026-04-08｜腾讯后台开发二面凉经-内容服务部｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/03b223fc497b42cfad05b1f3c4017b78
• 2026-04-08｜Agent开发八股合集真实面经总结版｜明显是汇总/攻略帖｜https://www.nowcoder.com/feed/main/detail/76b321bffc5e460fb316813352d8d950
• 2026-04-07｜高德地图-汽车业务-C++开发-二面 面经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/871039265591877632
• 2026-04-07｜评论赏金任务来啦🎉0410｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/870969335479554048
• 2026-04-04｜美团AI软件开发一面-暑期实习｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/0c3300eba2ff4ae1a265571fb371469e
• 2026-04-03｜【温氏股份】急招算法、人工智能方向应届生，快速安排面试~｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/438ad97af0db4dfbb20a01471fe27b82
• 2026-04-02｜27届-AI应用开发｜缺少面试特征词｜https://www.nowcoder.com/feed/main/detail/df88b45946f843799e3603675520efca
• 2026-03-29｜字节测试开发-数据平台部门一面凉经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/867788123156008960
• 2026-03-28｜后端还是AI应用开发｜明显是求助/讨论帖｜https://www.nowcoder.com/feed/main/detail/53dc9eeea05a4aff845cde193fe9cacf
• 2026-03-27｜评论赏金任务来啦🎉04月3日｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/867039674815045632
• 2026-03-26｜走传统后端开发还是应该直接ai应用开发｜明显是求助/讨论帖｜https://www.nowcoder.com/feed/main/detail/8852c115be4648f9ab465f3f478a1606
• 2026-03-19｜评论赏金任务来啦🎉0326｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/864104469254975488
• 2026-03-14｜字节跳动-实习面经- AI开发｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/6c7120c856564da0b42cf9092908d203
• 2026-03-12｜评论赏金任务来啦🎉0313｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/861564783961571328
• 2026-03-06｜字节跳动AI开发一面｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/f24537d842214021b8e617f10482ede8
• 2026-02-28｜今日评论激励赏金任务来啦！02月28日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/857225787529818112
• 2026-02-26｜今日评论激励赏金任务来喽！02月26日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/856496290396401664
• 2026-02-25｜评论激励赏金任务来啦！02月25日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/856125466250342400
• 2026-02-14｜今日评论激励赏金任务来啦！02月14日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/852130727087861760
• 2026-02-13｜今日评论激励赏金任务来啦！02月13日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/851791558532665344
• 2026-02-12｜今日评论激励赏金任务来啦！02月12日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/851421206564630528
• 2026-02-10｜今日评论激励赏金任务来咯！🎉02月11日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/850692157953355776
• 2026-02-06｜今日评论激励赏金任务来啦！02月06日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/849249984636596224
• 2026-02-05｜今日评论激励赏金任务来啦！02月05日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/848879871160745984
• 2026-02-04｜今日评论激励赏金任务来啦！02月04日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/848520474282766336
• 2026-01-30｜评论激励赏金任务来啦！01月30日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/846719823630331904
• 2026-01-28｜评论激励赏金任务来啦！01月28日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/846025564459708416
• 2026-01-19｜1月面试的大厂日常实习记录贴｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/842882899173994496
• 2026-01-07｜评论激励赏金任务来啦！01月22日任务｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/838418769830506496
• 2025-12-20｜给27届家人找实习的经验分享｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/831928503183355904
• 2025-12-17｜评论赏金任务来啦🎉 12.26｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/830766628437512192
• 2025-12-15｜字节大模型算法实习一面凉经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/b70dc597f95f4b8394d97ff3bd88b858
• 2025-11-19｜27届菜鸡小硕 后端找实习记录｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/461164f75fde43cd87f409ac31033915
• 2025-11-15｜啊啊啊啊怎么周六给我offer，电话都没有直接甩个邮件，佬们快来帮我选一下🙀｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/20dce7fd9d964b4191b6153b6b67f5cd
• 2025-11-11｜签了三方，我的秋招结束了！面不动了！｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/817714902344220672
• 2025-11-05｜评论赏金任务来啦🎉 11.11｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/815611758369845248
• 2025-08-27｜计算机日常答疑，一起寻找问题的最优解｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/790328901208707072
• 2025-08-19｜评论赏金任务来啦0929｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/787285884310650880
• 2025-07-19｜回忆录：后端鼠鼠苦苦哀求日常实习｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/776102677414539264
• 2025-04-15｜暑期实习｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/f8905f97a26b49128ddcbec824f5d082
• 2025-04-14｜大模型 0实习经验暑期实习投递记录｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/741384896458817536
• 2025-04-12｜记录一下面试经历｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/b3f1d3070c414d07ab7bc4b0995b5edf
• 2025-04-09｜记录一下实习/秋招 投递情况｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/feed/main/detail/298cc12bdf51458dac9ee6e8381b4291
• 2025-03-31｜同程旅行 全栈 春招 凉经 一面 SK精选｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/736323632040779776
• 2025-02-21｜2025 2 19 Java 面试题（美团 快手）｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/722397808745033728
• 2024-03-01｜阿里云暑期实习提前批一面（技术服务平台）|讲解｜0301｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/593104748941684736
• 2024-02-29｜【快手】电商Java日常实习一面｜讲解｜0229｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/592736631489146880
• 2024-02-18｜面试：百度一面，吓尿了｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/588738046242177024
• 2023-07-03｜谈谈这次招聘季的经验和教训｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/505378429559173120
• 2023-05-11｜牛客广告产品再上新！搜索品牌专区迎战秋招季｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/486210903277432832
• 2023-03-31｜字节-测试开发-日常实习-三面面经（已发offer）｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/471324815715069952
• 2022-09-06｜顺利上岸字节本地化后端，但也真的很不顺利｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/396740931939053568
• 2022-06-19｜数据分析暑期实习面经总结｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/367868926699556864
• 2022-03-26｜23届前端实习 腾讯、美团、字节、蚂蚁 面经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353159419414388736
• 2021-10-02｜150+场面试 拿到了20+offer【22双非本科求职路】｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353158660908064768
• 2021-09-30｜秋招上岸，个人历程和面经总结｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353158653773553664
• 2021-04-22｜实习面经汇总：腾讯、阿里、字节｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353157855148711936
• 2021-04-21｜字节跳动Android日常实习一二三面面经(附部分回答)｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353157849465430016
• 2021-03-11｜初识产品经理校招｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353148704649584640
• 2020-11-13｜2020秋招人力岗面试题｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353157328121831424
• 2020-09-29｜记录一下自己艰苦的2020秋招---累觉不爱｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353157099884584960
• 2020-09-16｜2021秋招数据分析个人总结-持续更新｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353156983446511616
• 2020-05-08｜牛客匿名发布功能说明｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353156414929575936
• 2020-04-04｜3-4月面经汇总-字节跳动，美团，腾讯，阿里算法岗｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353156268942630912
• 2019-11-27｜秋招c++面经，少量算法、java，百度、滴滴、京东、58等｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353155939832373248
• 2019-10-29｜一个双非渣硕的自我救赎之路｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353155830084214784
• 2019-09-23｜后台秋招面经总结：字节，百度，网易，腾讯，阿里等｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353155546041753600
• 2019-09-01｜机械狗软件求职记｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353155336729206784
• 2019-03-19｜大数据开发2019春招面经｜标题/正文前段缺少岗位关键词｜https://www.nowcoder.com/discuss/353154895723307008
• None｜index｜抓取失败: window.INITIAL_STATE not found｜https://www.nowcoder.com/discuss/offer/index
• None｜826147231207055360｜抓取失败: window.INITIAL_STATE not found｜https://www.nowcoder.com/discuss/826147231207055360
• None｜505159fb5f874d909c0c252f3f959ea0｜抓取失败: window.INITIAL_STATE not found｜https://www.nowcoder.com/feed/main/detail/505159fb5f874d909c0c252f3f959ea0
• None｜0733c5af82ff4bc8aaa1ddd45ae041b0｜抓取失败: window.INITIAL_STATE not found｜https://www.nowcoder.com/feed/main/detail/0733c5af82ff4bc8aaa1ddd45ae041b0

牛客近6个月AI应用开发面经：知识点聚类

• 面经样本数：32
• 提取题目数：464

聚类总览

逐类展开

Agent架构与范式

• 题目数：66
• 覆盖公司：京东、字节、小红书、快手、淘天、百度、米哈游、腾讯、蚂蚁、阿里云、阿里淘天、阿里灵犀互娱、高德
• 代表题目：
• (3) #Agent面试会问什么？# —— 字节、百度
• (1) 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent —— 小红书
• (1) Agent 的规划、执行、反思三段式链路怎么设计 —— 小红书
• (1) RAG 可以怎么分类，Agentic RAG 和传统 RAG 差别在哪 —— 小红书
• (1) Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选 —— 淘天
• (1) 智能体开发范式有哪些，分别适合什么场景 —— 淘天
• (1) 智能体的记忆机制应该怎么设计，为什么“全都记住”反而是坏事 —— 淘天
• (1) 设计智能体时，稳定性和安全性应该优先在哪些层面做约束 —— 淘天

RAG与检索优化

• 题目数：51
• 覆盖公司：京东、字节、小红书、快手、淘天、腾讯、蔚来、蚂蚁、金山云、阿里云
• 代表题目：
• (1) RAG 项目里怎么做召回闭环，才能让系统真的越用越准 —— 小红书
• (1) HyDE 的原理是什么，什么时候有效，什么时候会害人 —— 小红书
• (1) IVF、PQ、IVF-PQ 分别在做什么，为什么它们能把向量检索做快 —— 小红书
• (1) 向量索引有哪些典型类别，分别适合什么场景 —— 小红书
• (1) 为什么要用 RAG，而不是直接让模型回答安全分析问题 —— 阿里云
• (1) 文档chunk完有多少id —— 蚂蚁
• (1) 多路召回和重排序是怎么提高检索成功率的 —— 蚂蚁
• (1) 你之前向量检索加redis缓存是怎么做的？ redis健和值是什么？ —— 字节

后端基础与工程化

• 题目数：45
• 覆盖公司：京东、字节、快手、淘天、百度、腾讯、蔚来、金山云、阿里国际、高德
• 代表题目：
• (1) 了解redis集群吗？了解redis底层的存储逻辑吗？ —— 快手
• (1) redis的性能单点能够有多少？集群能够有多少？ —— 快手
• (1) 我看你的黑马点评项目用的rabbitmq，为啥选这个？这个对比其他mq有什么特别的优势？（我说当时只学了这个，所以就用了，实际上rocketmq应该会更好） —— 快手
• (1) Java 里的强引用、软引用、弱引用、虚引用在工程里怎么理解，别只背定义 —— 高德
• (1) 本地部署要考虑什么？配置管理放在哪里？ —— 腾讯
• (1) JMeter 压测的具体参数是怎么设置的？ —— 京东
• (1) Redis 是单线程的，为什么它还能支持高并发？ —— 京东
• (1) 在实际业务场景中，你怎么判断什么时候需要加缓存？为什么不能只用 MySQL？ —— 京东

框架、MCP与工具调用

• 题目数：38
• 覆盖公司：字节、小红书、快手、淘天、米哈游、腾讯、蚂蚁、金山云、阿里国际
• 代表题目：
• (1) MCP、Function Calling、Skills、Agent 分别是什么，它们之间是什么关系 —— 小红书
• (1) LangChain 和 LangGraph 如果要选，你更看重什么维度 —— 淘天
• (1) MCP 和 CLI 工具接入在工程上分别解决什么问题，它们不是一回事 —— 淘天
• (1) 你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain4j、spring ai有什么区别？选型的时候怎么考虑的？ —— 快手
• (1) 你用spring Ai Ailibaba的时候感觉有哪些比较好的点？哪些不太方便的点？ —— 快手
• (1) 介绍一下langchain和langgraph —— 蚂蚁
• (1) skill是自己写的吗 ，互相之间可以联动吗？ —— 字节
• (1) 为什么不用skill-creator —— 字节

记忆与上下文管理

• 题目数：34
• 覆盖公司：字节、小红书、快手、淘天、百度、米哈游、腾讯、蚂蚁、阿里淘天、阿里灵犀互娱
• 代表题目：
• (1) Agent 的记忆一般怎么分层，为什么不能只靠聊天历史 —— 小红书
• (1) 短期记忆和长期记忆应该如何精准提取，分别存什么内容更合理 —— 淘天
• (1) 做完rag后llm能理解图片里的内容吗，还是通过加入上下文token后靠文本理解 —— 蚂蚁
• (1) 为什么要设计这三层记忆架构，是一个通用的设计还是参考了什么论文 —— 字节
• (1) 新的记忆加到文件里 是直接append吗？ 覆盖？还是改写？ —— 字节
• (1) 记忆模块存在哪种介质上 —— 腾讯
• (1) 跨会话通过压缩保留关键症状，这一块详细介绍 —— 腾讯
• (1) 用户今天问A，三天后问B，怎么关联两次提问，记忆怎么跟用户维度绑定。（session级视角、没考虑并发和多次咨询隔 —— 腾讯

算法与编码题

• 题目数：22
• 覆盖公司：字节、快手、米哈游、腾讯、蔚来、蚂蚁、阿里国际
• 代表题目：
• (2) 算法题 —— 字节、腾讯
• (1) 手撕合并k个升序链表（前几天pdd一面刚写完） —— 快手
• (1) 算法题口头说一下1200w的数据里，怎么找到中位数 —— 蚂蚁
• (1) 字符串数字相减 —— 字节
• (1) 字符串最长连续序列 —— 字节
• (1) 手撕:一道原创题，大致题意:给定一个链表"head={4,2,8}和 一课二叉树 root=Rn{1,4,4,1,2,null,2,null,null,nul1,2,8,2,1,null,null,null,null,8,null,null}(貌似是这样的)判断一下这课树中存不存在一条路径和链表是一样的 —— 快手
• (1) 如果对参数传入一个字符串类型，如何在方法内部修改它并把这个字符串的值传递出来? —— 阿里国际
• (1) 代码实现LRU —— 米哈游

评测、幻觉与数据集

• 题目数：20
• 覆盖公司：京东、字节、淘天、百度、腾讯、蚂蚁、阿里云、阿里灵犀互娱
• 代表题目：
• (1) AI 应用里的在线实验和传统 AB 测试有什么差别，为什么更难做 —— 淘天
• (1) RAG 的效果你怎么评估，不能只说看用户反馈 —— 阿里云
• (1) 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉 —— 阿里云
• (1) 怎么解决幻觉问题 —— 蚂蚁
• (1) 有没有评估过你的记忆架构，在没参考openclaw之前和之后的指标有什么变化，成功率有对比吗？ —— 字节
• (1) 你说你的文档准确率达到90%，具体做的改变是什么 —— 字节
• (1) 你的数据集是怎么收集的，然后是怎么评估的呢？打分是谁在打分？人在打分 ，还是模型裁判员去打分？如果有很好用的模型裁判员，为什么不用裁判员模型 —— 字节
• (1) 意图识别用的是哪个大模型？如何判断和测试意图识别结果的准确率？ —— 京东

模型基础与推理机制

• 题目数：17
• 覆盖公司：字节、百度、米哈游、蚂蚁、阿里云、高德
• 代表题目：
• (1) 平时你怎么利用大模型开发项目，而不是停留在写点 demo —— 阿里云
• (1) 介绍一下对temperature的理解 —— 蚂蚁
• (1) 用过哪些模型，模型选择不是看排行榜的话，你一般怎么选 —— 高德
• (1) 介绍一下KV cache —— 字节
• (1) attention和self-attention —— 米哈游
• (1) 为什么attention比rnn好 —— 米哈游
• (1) LLM 的输入到底是什么？模型真正看到的内容包含哪些？ —— 百度
• (1) self-attention 的核心作用是什么？为什么要拆成 Q、K、V？ —— 百度

项目介绍与项目拷打

• 题目数：14
• 覆盖公司：京东、字节、小红书、快手、淘天、米哈游、蚂蚁、金山云、阿里云、高德
• 代表题目：
• (6) 自我介绍 —— 字节、小红书、淘天、米哈游、金山云
• (3) 项目拷打 —— 京东、淘天、蚂蚁
• (1) 介绍你写的这个项目 —— 小红书
• (1) 做一下自我介绍 —— 阿里云
• (1) 介绍一个你做的这个项目，重点讲架构和你负责的部分 —— 阿里云
• (1) 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历 —— 高德
• (1) 你的AI项目的亮点是什么? —— 快手

业务场景设计

• 题目数：11
• 覆盖公司：京东、字节、快手、腾讯、阿里云、阿里国际、阿里灵犀互娱
• 代表题目：
• (1) 你对网络安全方向怎么看，为什么 AI 应用在这个方向上既有价值又有风险 —— 阿里云
• (1) 那为什么医院的问答项目里，不采用同样的实现 —— 字节
• (1) 除了导购，你认为在电商领域（如京东）还有哪些场景可以用到 Agent？ —— 京东
• (1) 设计一个游戏智能客服，整机架构 —— 阿里灵犀互娱
• (1) 设计一个游戏助手agent，记忆系统怎么设计 —— 阿里灵犀互娱
• (1) 如何定义游戏角色状态 —— 阿里灵犀互娱
• (1) 你未来想做什么业务 —— 阿里国际
• (1) 工具调用的安全控制是怎么实现的? —— 快手

AI Coding与协作方式

• 题目数：10
• 覆盖公司：字节、快手、蚂蚁、金山云、阿里国际、阿里淘天、阿里灵犀互娱、高德
• 代表题目：
• (1) 你是什么时候开始用 Claude Code 这一类工具的，真正改变你的是什么 —— 高德
• (1) 你用 AI 写代码时一般怎么拆解任务，才能让结果比较稳定 —— 高德
• (1) 你如何使用ai coding的，怎么保证能按照你的要求完成代码 —— 阿里灵犀互娱
• (1) 有了解claudeCode的Hook机制功能知道嘛?解释一下 —— 快手
• (1) 聊AI Coding，使用过AI Coding写代码吗？有使用AI Coding进行项目迭代吗？ —— 金山云
• (1) 有用过哪些AI相关的编程工具? —— 阿里国际
• (1) 算法:AI coding题，要求实现一个工单处理系统 —— 阿里淘天
• (1) AI Coding用过什么 —— 字节

前端与跨端工程

• 题目数：7
• 覆盖公司：字节、阿里云、高德
• 代表题目：
• (1) 前端为什么不直接做一个普通聊天页，而是要选更适合流式交互的方案 —— 阿里云
• (1) Flutter 的核心原理是什么，如果不从 Widget 开始讲，你会怎么讲 —— 高德
• (1) Flutter 和 React Native、原生开发最大的区别，不要只说性能 —— 高德
• (1) Flutter 的 UI 为什么能回到原生页面上，这个过程本质上发生了什么 —— 高德
• (1) 如果文字内容变化导致宽度发生变化，Flutter 的重排到底是怎么发生的 —— 高德
• (1) Flutter 里 build、layout、paint、composite 这几段如果线上卡顿，你怎么判断卡在哪一段 —— 高德
• (1) 在没有前端界面的情况下，本地图片是如何传到后端并进行识别的？ —— 字节

HR与流程信息

• 题目数：1
• 覆盖公司：快手
• 代表题目：
• (1) 转正率如何？看表现，一般都能转 —— 快手

其他

• 题目数：122
• 覆盖公司：字节、快手、淘天、百度、米哈游、腾讯、蔚来、蚂蚁、金山云、阿里国际、阿里淘天、高德
• 代表题目：
• (1) 上传文档时，是一个一个上传还是批量上传 —— 蚂蚁
• (1) 团队里常用哪些开发工具比较多，如果从 AI 协作方式去分类，你会怎么讲 —— 高德
• (1) 对商业项目来说，开发者过去习惯手动掌控每个细节，到了 AI 提供生产力的时代，你怎么看这个变化 —— 高德
• (1) 你这里的意图判断是怎么做的？直接交给模型做，还是这个用户的查询query做了一些其他处理 —— 字节
• (1) 改的方式 模型改吗？模型调用editor去改文件是吗？ —— 字节
• (1) 对于每一个用户，在系统中怎么保存这些不同用户的文档？ —— 字节
• (1) 其实就是模型通过路径去读这些文件是吧，那如果两个人登了同一个账号，在同一时刻，这个文件会被两个不同的用户使用，在这个情况下，你们的系统如何处理？怎么解决这个问题？ —— 字节
• (1) 讲一下transfromer架构 —— 字节

牛客近6个月AI应用开发面经：高频题题库与答案框架

• 面经样本数：32
• 高频主题数：14

高频题总览

题库与答案框架

检索/召回/重排/向量索引优化

• 命中题数：38
• 涉及公司：京东、字节、小红书、快手、淘天、腾讯、蔚来、蚂蚁、金山云、高德
• 高频问法：
• (1) RAG 项目里怎么做召回闭环，才能让系统真的越用越准
• (1) HyDE 的原理是什么，什么时候有效，什么时候会害人
• (1) IVF、PQ、IVF-PQ 分别在做什么，为什么它们能把向量检索做快
• (1) 向量索引有哪些典型类别，分别适合什么场景
• (1) 文档chunk完有多少id
• (1) 多路召回和重排序是怎么提高检索成功率的
• 答案框架：
  1. 先拆问题：召回质量、排序质量、检索延迟、索引成本。
• 回答常见优化：BM25 + 向量混检、query rewrite、HyDE、rerank。
• 索引层说明：HNSW 适合高召回低延迟，IVF/PQ 更偏大规模压缩。
• 针对 PDF/OCR/表格，强调结构化抽取和版面信息保留。
• 结尾说评估方式：Recall@K、MRR、NDCG、端到端正确率。

RAG/Agent 评测与幻觉治理

• 命中题数：27
• 涉及公司：京东、字节、小红书、淘天、百度、腾讯、蚂蚁、金山云、阿里云、阿里灵犀互娱
• 高频问法：
• (1) RAG 项目里怎么做召回闭环，才能让系统真的越用越准
• (1) AI 应用里的在线实验和传统 AB 测试有什么差别，为什么更难做
• (1) RAG 的效果你怎么评估，不能只说看用户反馈
• (1) 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉
• (1) 多路召回和重排序是怎么提高检索成功率的
• (1) 怎么解决幻觉问题
• 答案框架：
  1. 先分离检索评测和生成评测，不把问题混成一个指标。
• 检索看 Recall@K / MRR / NDCG；生成看正确率、引用一致性、任务成功率。
• 数据集来源要说清：真实日志、人工构造、失败样本回流。
• 幻觉治理从三层答：输入约束、检索增强、输出校验/拒答。
• 最好补线上监控：抽样复核、回流闭环、AB 实验。

算法题/手撕题

• 命中题数：26
• 涉及公司：京东、字节、快手、米哈游、腾讯、蔚来、蚂蚁、阿里国际、阿里淘天
• 高频问法：
• (2) 算法题
• (1) 手撕合并k个升序链表（前几天pdd一面刚写完）
• (1) 算法题口头说一下1200w的数据里，怎么找到中位数
• (1) 字符串数字相减
• (1) 字符串最长连续序列
• (1) Redis 做语义向量的相似度检索，内部用的是什么算法？
• 答案框架：
  1. 先确认题意和输入输出边界。
• 说思路时先给复杂度，再落到数据结构选择。
• 编码时注意鲁棒性、边界条件、变量命名。
• 写完主动做样例验证。
• 如果时间不够，先给可行解再优化。

MCP / Function Calling / Skills / Tool Calling

• 命中题数：24
• 涉及公司：字节、小红书、快手、淘天、米哈游、腾讯、蚂蚁、金山云、阿里国际、高德
• 高频问法：
• (1) MCP、Function Calling、Skills、Agent 分别是什么，它们之间是什么关系
• (1) MCP 和 CLI 工具接入在工程上分别解决什么问题，它们不是一回事
• (1) 讲一下你做过的 Agent Skill，不要从业务价值讲，直接讲技术拆分
• (1) skill是自己写的吗 ，互相之间可以联动吗？
• (1) 为什么不用skill-creator
• (1) skill是什么 Auto-coder skill怎么工作
• 答案框架：
  1. 先逐一定义概念，不要混着说。
• Function Calling/Tool Calling 是模型触发工具；Skill 更像能力封装；MCP 更像工具/上下文接入协议。
• 说明它们如何协同：模型规划 -> 选择工具/skill -> 调用执行 -> 回填结果。
• 补充工程问题：权限、超时、幂等、失败重试、可观测性。
• 最后说实际价值：降低接入成本，提高复用和治理能力。

记忆系统设计

• 命中题数：22
• 涉及公司：字节、小红书、快手、淘天、米哈游、腾讯、阿里灵犀互娱
• 高频问法：
• (1) Agent 的记忆一般怎么分层，为什么不能只靠聊天历史
• (1) 智能体的记忆机制应该怎么设计，为什么“全都记住”反而是坏事
• (1) 短期记忆和长期记忆应该如何精准提取，分别存什么内容更合理
• (1) 为什么要设计这三层记忆架构，是一个通用的设计还是参考了什么论文
• (1) 有没有评估过你的记忆架构，在没参考openclaw之前和之后的指标有什么变化，成功率有对比吗？
• (1) 新的记忆加到文件里 是直接append吗？ 覆盖？还是改写？
• 答案框架：
  1. 分层回答：短期记忆、长期记忆、用户画像/外部知识。
• 说明写入时机：并不是“全量记忆”，而是事件触发/摘要压缩/显著性提取。
• 说明存储介质：会话缓存、数据库/向量库、文件或 KV。
• 说明召回策略：按用户、会话、任务阶段、时间窗口过滤。
• 补充治理：过期淘汰、冲突解决、并发一致性、隐私隔离。

LangChain / LangGraph / 编排框架选型

• 命中题数：20
• 涉及公司：字节、快手、淘天、腾讯、蚂蚁
• 高频问法：
• (1) LangChain 和 LangGraph 如果要选，你更看重什么维度
• (1) 你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain4j、spring ai有什么区别？选型的时候怎么考虑的？
• (1) 你了解agent编排的有向无环图吗？你用了吗？为什么没用？
• (1) 介绍一下langchain和langgraph
• (1) FSM状态机分哪个部分，怎么实现
• (1) langchain和langgraph的区别？为什么有了langchain还要langgraph
• 答案框架：
  1. 先说定位：LangChain 偏快速搭链路，LangGraph 偏复杂状态机编排。
• 如果有分支、循环、重试、人工介入、checkpoint，LangGraph 更合适。
• 如果只是简单工具串联，LangChain 更轻更快。
• 选型时讲维度：开发效率、可观测性、状态管理、扩展性、维护成本。
• 最后结合自己项目说“为什么这次这么选”。

后端基础：Redis/缓存/MQ/高并发

• 命中题数：17
• 涉及公司：京东、字节、快手、淘天、蔚来、金山云、阿里国际
• 高频问法：
• (1) 了解redis集群吗？了解redis底层的存储逻辑吗？
• (1) redis的性能单点能够有多少？集群能够有多少？
• (1) 我看你的黑马点评项目用的rabbitmq，为啥选这个？这个对比其他mq有什么特别的优势？（我说当时只学了这个，所以就用了，实际上rocketmq应该会更好）
• (1) 你之前向量检索加redis缓存是怎么做的？ redis健和值是什么？
• (1) 你觉得 redis+milvus向量存储 和mysql+文件系统+向量检索，他们的优劣如何？优点缺点分别是什么
• (1) Redis 做语义向量的相似度检索，内部用的是什么算法？
• 答案框架：
  1. 先回到业务问题：为什么引入缓存/MQ，而不是只背定义。
• Redis 重点答数据结构、单线程高性能原因、持久化/集群/一致性。
• MQ 重点答解耦、削峰、异步，以及顺序性、幂等、丢消息治理。
• 缓存题要讲失效策略、穿透击穿雪崩、冷热数据。
• 最好结合自己项目里实际怎么用。

场景设计题（游戏/电商/安全/客服）

• 命中题数：15
• 涉及公司：京东、字节、快手、淘天、蚂蚁、阿里云、阿里灵犀互娱
• 高频问法：
• (1) 设计智能体时，稳定性和安全性应该优先在哪些层面做约束
• (1) 你对网络安全方向怎么看，为什么 AI 应用在这个方向上既有价值又有风险
• (1) 为什么要用 RAG，而不是直接让模型回答安全分析问题
• (1) 幻觉问题你一般怎么处理，尤其是安全场景下的高风险幻觉
• (1) 那为什么医院的问答项目里，不采用同样的实现
• (1) 除了导购，你认为在电商领域（如京东）还有哪些场景可以用到 Agent？
• 答案框架：
  1. 先画业务目标：用户是谁，核心任务是什么，成功指标是什么。
• 再拆系统：意图识别、检索/知识库、工具调用、状态管理、输出策略。
• 说明为什么需要 Agent/多 Agent，以及每个角色负责什么。
• 补稳定性与安全：权限、审计、拒答、异常兜底。
• 最后补评测与上线：离线集、灰度、AB、人工复核。

项目介绍/项目拷打

• 命中题数：14
• 涉及公司：京东、字节、小红书、快手、淘天、米哈游、蚂蚁、金山云、阿里云、高德
• 高频问法：
• (6) 自我介绍
• (3) 项目拷打
• (1) 介绍你写的这个项目
• (1) 做一下自我介绍
• (1) 介绍一个你做的这个项目，重点讲架构和你负责的部分
• (1) 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历
• 答案框架：
  1. 先给业务背景：用户是谁、核心痛点是什么、为什么值得用 AI/Agent 做。
• 再讲系统方案：输入 -> 处理链路 -> 模型/检索/工具 -> 输出。
• 明确你自己的 ownership：你主导了哪几块，做了什么关键决策。
• 量化结果：准确率、成功率、响应时延、成本、人工替代率。
• 最后补一段复盘：踩过什么坑、怎么权衡、如果重做会怎么改。

模型基础：Transformer/KV Cache/Temperature

• 命中题数：13
• 涉及公司：字节、百度、米哈游、蚂蚁
• 高频问法：
• (1) 介绍一下对temperature的理解
• (1) 介绍一下KV cache
• (1) attention和self-attention
• (1) 为什么attention比rnn好
• (1) self-attention 的核心作用是什么？为什么要拆成 Q、K、V？
• (1) 为什么 attention 能建模长距离关系？
• 答案框架：
  1. Transformer 至少讲清 self-attention、前馈层、位置编码、残差归一化。
• KV Cache 要说明它缓存什么、为什么能加速 decode、代价是什么。
• Temperature/Top-p/Top-k 回答采样多样性与稳定性的权衡。
• 如果问微调/强化学习，先分清 SFT、偏好优化、在线强化。
• 强调“懂概念 + 懂工程影响”，不要只背术语。

AI Coding / Claude Code 实践

• 命中题数：12
• 涉及公司：字节、快手、腾讯、蚂蚁、金山云、阿里国际、阿里淘天、阿里灵犀互娱、高德
• 高频问法：
• (1) 你是什么时候开始用 Claude Code 这一类工具的，真正改变你的是什么
• (1) 你用 AI 写代码时一般怎么拆解任务，才能让结果比较稳定
• (1) skill是什么 Auto-coder skill怎么工作
• (1) 你如何使用ai coding的，怎么保证能按照你的要求完成代码
• (1) 有了解claudeCode的Hook机制功能知道嘛?解释一下
• (1) 聊AI Coding，使用过AI Coding写代码吗？有使用AI Coding进行项目迭代吗？
• 答案框架：
  1. 先说你怎么用：需求澄清、方案草拟、代码生成、测试补齐、文档整理。
• 强调边界：AI 适合提效，不直接代替关键设计和最终验收。
• 保证质量的办法：任务拆小、明确约束、提供上下文、单测/人工 review。
• 补充失败场景：需求模糊、跨文件重构、隐式约束多时容易跑偏。
• 最后说你自己的最佳实践和收益。

Agent 与 workflow/单多 Agent 选型

• 命中题数：10
• 涉及公司：京东、字节、小红书、淘天、米哈游、阿里淘天、阿里灵犀互娱
• 高频问法：
• (1) 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent
• (1) Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选
• (1) 智能体开发范式有哪些，分别适合什么场景
• (1) 介绍一下 AI 智能体的 workflow 以及 RAG 知识库是怎么设计的？
• (1) 什么时候采用单agent，什么时候采用多agent，原因
• (1) 这个多agent项目是主子agent的项目吗？
• 答案框架：
  1. 先下定义：workflow 是预定义流程，Agent 是基于上下文动态决策。
• 再讲适用场景：稳定高频任务用 workflow；开放复杂任务才考虑 Agent。
• 单 Agent 适合轻量任务，多 Agent 适合角色分工明显、工具复杂、需要并行/反思的场景。
• 补充风险：多 Agent 会带来状态同步、成本、时延、调试难度。
• 结尾给出选型原则：先 workflow，必要时再逐步 Agent 化。

RAG 系统设计

• 命中题数：5
• 涉及公司：京东、小红书、淘天、阿里云
• 高频问法：
• (1) RAG 可以怎么分类，Agentic RAG 和传统 RAG 差别在哪
• (1) RAG 项目里怎么做召回闭环，才能让系统真的越用越准
• (1) 为什么要用 RAG，而不是直接让模型回答安全分析问题
• (1) 介绍一下 AI 智能体的 workflow 以及 RAG 知识库是怎么设计的？
• (1) 你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这个是怎么去设计两者的结合逻辑的？然后混合策略的话具体是如何去提升检索效果的？
• 答案框架：
  1. 先回答为什么要用 RAG：补齐私域知识、降低幻觉、提升可控性。
• 再讲链路：文档接入 -> 清洗切块 -> 索引 -> 召回 -> 重排 -> 生成。
• 讲清关键设计：chunk 粒度、元数据、混合检索、引用回传。
• 补充失败兜底：低置信度拒答、回退模板、人工介入。
• 最后讲如何评估：检索命中率、答案正确率、业务指标。

意图识别与 Query 理解

• 命中题数：5
• 涉及公司：京东、字节、快手、阿里灵犀互娱
• 高频问法：
• (1) 你这里的意图判断是怎么做的？直接交给模型做，还是这个用户的查询query做了一些其他处理
• (1) 意图识别用的是哪个大模型？如何判断和测试意图识别结果的准确率？
• (1) 意图识别小模型如何训练，数据集怎么构造
• (1) (追问)整体检索流程是怎样的?从query 到最 终上下文的完整流程是什么?
• (1) 并行化意图识别是什么？为什么要并行化？如何实现的？
• 答案框架：
  1. 先说明方法：规则、小模型分类、大模型判断、混合路由。
• 再说输入特征：用户 query、上下文、历史行为、业务元数据。
• 重点讲评估：准确率、召回率、混淆类目、线上误判样本。
• 强调兜底：低置信度回退到澄清问句或保守策略。
• 如果业务复杂，要补“多意图/歧义 query 如何处理”。

牛客近6个月AI应用开发面经：公司维度对比分析

• 统计公司数：16

公司总览

逐公司分析

字节

• 面经数：7
• 风格画像：项目细节会深挖到记忆、评测、数据集、并发隔离，常伴随模型基础或算法题。
• 高频知识点：
• Agent架构与范式: 7
• RAG与检索优化: 7
• 记忆与上下文管理: 6
• 框架、MCP与工具调用: 6
• 模型基础与推理机制: 6
• 算法与编码题: 6
• 高频题型：
• RAG/Agent 评测与幻觉治理: 6
• 检索/召回/重排/向量索引优化: 6
• 算法题/手撕题: 6
• 模型基础：Transformer/KV Cache/Temperature: 5
• 记忆系统设计: 4
• MCP / Function Calling / Skills / Tool Calling: 4
• 相关面经：
• 2026-04-10｜字节 剪映 ai应用开发
• 2026-04-09｜字节agent开发实习一面凉经
• 2026-04-09｜字节Agent开发一面90min凉经
• 2026-04-08｜AI应用开发日常实习二面-字节
• 2026-04-08｜字节AI应用开发实习面经分享
• 2026-04-02｜字节 ai应用开发
• 2026-03-21｜字节 大模型应用开发 二面 日常实习

淘天

• 面经数：4
• 风格画像：偏 Agent 范式、记忆设计、RAG 优化和业务场景落地，也会问实验与成本。
• 高频知识点：
• Agent架构与范式: 4
• 框架、MCP与工具调用: 4
• 评测、幻觉与数据集: 3
• 记忆与上下文管理: 2
• 项目介绍与项目拷打: 2
• RAG与检索优化: 2
• 高频题型：
• LangChain / LangGraph / 编排框架选型: 3
• RAG/Agent 评测与幻觉治理: 3
• MCP / Function Calling / Skills / Tool Calling: 3
• Agent 与 workflow/单多 Agent 选型: 2
• 场景设计题（游戏/电商/安全/客服）: 2
• 项目介绍/项目拷打: 2
• 相关面经：
• 2026-04-12｜淘天 AI应用开发 二面
• 2026-04-10｜淘天AI应用开发 agent岗一面 好难
• 2026-04-09｜4.9-淘天agent-二面
• 2026-04-03｜淘天-ai应用开发-一面

快手

• 面经数：4
• 风格画像：AI 应用 + 后端八股混合考，Redis/MQ/框架选型比重高。
• 高频知识点：
• 算法与编码题: 4
• 后端基础与工程化: 3
• Agent架构与范式: 3
• 框架、MCP与工具调用: 2
• 记忆与上下文管理: 2
• 业务场景设计: 2
• 高频题型：
• 算法题/手撕题: 4
• 后端基础：Redis/缓存/MQ/高并发: 2
• 记忆系统设计: 2
• 场景设计题（游戏/电商/安全/客服）: 2
• LangChain / LangGraph / 编排框架选型: 1
• 项目介绍/项目拷打: 1
• 相关面经：
• 2026-04-11｜快手ai应用服务端开发 二面
• 2026-04-10｜快手 AI agent开发二面分享 1h
• 2026-04-09｜快手AI Agent开发一面（已过）
• 2026-04-08｜实习-快手电商-大模型数据应用开发一面

腾讯

• 面经数：3
• 风格画像：偏应用架构与工程实现，常问记忆、Skill/MCP、状态机、LangChain/LangGraph。
• 高频知识点：
• 后端基础与工程化: 3
• 算法与编码题: 3
• 记忆与上下文管理: 2
• Agent架构与范式: 2
• RAG与检索优化: 2
• 框架、MCP与工具调用: 1
• 高频题型：
• 算法题/手撕题: 3
• 记忆系统设计: 2
• LangChain / LangGraph / 编排框架选型: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• AI Coding / Claude Code 实践: 1
• 检索/召回/重排/向量索引优化: 1
• 相关面经：
• 2026-04-10｜腾讯 AI应用开发面经
• 2026-04-09｜腾讯日常实习一面-AI应用开发 1h
• 2026-04-09｜腾讯暑期实习 ai agent开发一面

蚂蚁

• 面经数：2
• 风格画像：偏 RAG 细节、重排、幻觉、采样参数和项目追问。
• 高频知识点：
• 框架、MCP与工具调用: 2
• 项目介绍与项目拷打: 1
• RAG与检索优化: 1
• 记忆与上下文管理: 1
• 评测、幻觉与数据集: 1
• 模型基础与推理机制: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• 检索/召回/重排/向量索引优化: 1
• RAG/Agent 评测与幻觉治理: 1
• 模型基础：Transformer/KV Cache/Temperature: 1
• LangChain / LangGraph / 编排框架选型: 1
• 算法题/手撕题: 1
• 相关面经：
• 2026-04-10｜蚂蚁金融Agent开发暑期面经分享
• 2026-04-05｜蚂蚁ai应用开发实习二面

阿里国际

• 面经数：2
• 风格画像：除了 AI 应用本身，还会穿插 Python/计网/操作系统等通用基础。
• 高频知识点：
• 后端基础与工程化: 1
• 算法与编码题: 1
• AI Coding与协作方式: 1
• 框架、MCP与工具调用: 1
• 业务场景设计: 1
• 高频题型：
• 算法题/手撕题: 1
• 后端基础：Redis/缓存/MQ/高并发: 1
• AI Coding / Claude Code 实践: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• 相关面经：
• 2026-04-10｜阿里国际AI应用开发暑期一面 1h
• 2026-04-09｜阿里国际AI应用开发二面

小红书

• 面经数：1
• 风格画像：Agent / RAG / 向量索引问得系统，喜欢考概念边界与检索细节。
• 高频知识点：
• 项目介绍与项目拷打: 1
• Agent架构与范式: 1
• 框架、MCP与工具调用: 1
• 记忆与上下文管理: 1
• RAG与检索优化: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• Agent 与 workflow/单多 Agent 选型: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• 记忆系统设计: 1
• RAG 系统设计: 1
• 检索/召回/重排/向量索引优化: 1
• 相关面经：
• 2026-04-12｜小红书 AI Agent开发 一面

阿里云

• 面经数：1
• 风格画像：偏场景系统设计和高风险场景治理，重视 RAG 评测与幻觉控制。
• 高频知识点：
• 项目介绍与项目拷打: 1
• 业务场景设计: 1
• RAG与检索优化: 1
• 评测、幻觉与数据集: 1
• Agent架构与范式: 1
• 前端与跨端工程: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• 场景设计题（游戏/电商/安全/客服）: 1
• RAG 系统设计: 1
• RAG/Agent 评测与幻觉治理: 1
• 相关面经：
• 2026-04-12｜阿里云 AI应用开发 一面

高德

• 面经数：1
• 风格画像：偏跨端工程与 AI Coding 协作方式，也会问 Agent skill 拆分。
• 高频知识点：
• 项目介绍与项目拷打: 1
• 前端与跨端工程: 1
• 后端基础与工程化: 1
• Agent架构与范式: 1
• AI Coding与协作方式: 1
• 模型基础与推理机制: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• 检索/召回/重排/向量索引优化: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• AI Coding / Claude Code 实践: 1
• 相关面经：
• 2026-04-10｜高德 AI应用开发 一面

京东

• 面经数：1
• 风格画像：重 workflow、RAG、意图识别和电商业务场景，兼顾缓存与压测。
• 高频知识点：
• 项目介绍与项目拷打: 1
• Agent架构与范式: 1
• 评测、幻觉与数据集: 1
• RAG与检索优化: 1
• 后端基础与工程化: 1
• 业务场景设计: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• Agent 与 workflow/单多 Agent 选型: 1
• RAG 系统设计: 1
• RAG/Agent 评测与幻觉治理: 1
• 意图识别与 Query 理解: 1
• 检索/召回/重排/向量索引优化: 1
• 相关面经：
• 2026-04-10｜27暑期实习-京东Agent开发二面分享

阿里灵犀互娱

• 面经数：1
• 风格画像：强业务场景题，尤其游戏客服/游戏助手/多 Agent 设计。
• 高频知识点：
• AI Coding与协作方式: 1
• 业务场景设计: 1
• 评测、幻觉与数据集: 1
• Agent架构与范式: 1
• 记忆与上下文管理: 1
• 高频题型：
• AI Coding / Claude Code 实践: 1
• 场景设计题（游戏/电商/安全/客服）: 1
• RAG/Agent 评测与幻觉治理: 1
• 意图识别与 Query 理解: 1
• Agent 与 workflow/单多 Agent 选型: 1
• 记忆系统设计: 1
• 相关面经：
• 2026-04-10｜阿里灵犀互娱AI应用开发暑期二面

金山云

• 面经数：1
• 风格画像：以具体项目深挖为主，建议按该公司的高频知识点准备。
• 高频知识点：
• 项目介绍与项目拷打: 1
• 后端基础与工程化: 1
• RAG与检索优化: 1
• AI Coding与协作方式: 1
• 框架、MCP与工具调用: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• 后端基础：Redis/缓存/MQ/高并发: 1
• 检索/召回/重排/向量索引优化: 1
• RAG/Agent 评测与幻觉治理: 1
• AI Coding / Claude Code 实践: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• 相关面经：
• 2026-04-10｜27届-日常实习-金山云-AI应用平台开发-一面

阿里淘天

• 面经数：1
• 风格画像：以具体项目深挖为主，建议按该公司的高频知识点准备。
• 高频知识点：
• 记忆与上下文管理: 1
• Agent架构与范式: 1
• AI Coding与协作方式: 1
• 高频题型：
• Agent 与 workflow/单多 Agent 选型: 1
• AI Coding / Claude Code 实践: 1
• 算法题/手撕题: 1
• 相关面经：
• 2026-04-09｜阿里淘天 AI应用开发 暑期实习一面

米哈游

• 面经数：1
• 风格画像：偏游戏场景下的 Agent 设计、状态定义与记忆管理。
• 高频知识点：
• 项目介绍与项目拷打: 1
• 模型基础与推理机制: 1
• Agent架构与范式: 1
• 记忆与上下文管理: 1
• 框架、MCP与工具调用: 1
• 算法与编码题: 1
• 高频题型：
• 项目介绍/项目拷打: 1
• 模型基础：Transformer/KV Cache/Temperature: 1
• Agent 与 workflow/单多 Agent 选型: 1
• 记忆系统设计: 1
• MCP / Function Calling / Skills / Tool Calling: 1
• 算法题/手撕题: 1
• 相关面经：
• 2026-04-09｜米哈游-AI Agent研发-暑期一面

百度

• 面经数：1
• 风格画像：偏 Agent 项目深挖，关注规划、记忆、工具调用和评测。
• 高频知识点：
• Agent架构与范式: 1
• 记忆与上下文管理: 1
• 评测、幻觉与数据集: 1
• 模型基础与推理机制: 1
• 后端基础与工程化: 1
• 高频题型：
• RAG/Agent 评测与幻觉治理: 1
• 模型基础：Transformer/KV Cache/Temperature: 1
• 相关面经：
• 2026-04-09｜百度ai agent开发春招一面

蔚来

• 面经数：1
• 风格画像：更偏服务端基础 + AI 应用结合。
• 高频知识点：
• 后端基础与工程化: 1
• RAG与检索优化: 1
• 算法与编码题: 1
• 高频题型：
• 后端基础：Redis/缓存/MQ/高并发: 1
• 检索/召回/重排/向量索引优化: 1
• 算法题/手撕题: 1
• 相关面经：
• 2026-04-09｜蔚来 AI应用开发 暑期一面分享

附录：最新面经列表

具体面经条目放在附录区，优先级低于前面的知识点导航、聚类和题库。