中国建筑第五工程局、龙湖物业、顶新集团校招工程管理面经

各位牛友们好！楼主211计科科班出身，之前一直做的是传统 Java 后端开发（主打 Spring Boot，干了两年多）。最近顺应趋势，切换到了 AI 应用和 Agent 开发的方向。目前工作主要是 Python 和 Java 双栈齐下。虽然之前写后端业务轻车熟路，但现在转做 Agent，接触各种大模型 API 接入、工作流编排和提示词工程，感觉无论是技术栈还是业务思维都有不少变化，每天都在疯狂吸收新知识和踩坑的路上。发个帖主要是想找找组织，牛客上有没有同样是从 Java/传统后端转型做 AI Agent 侧的兄弟姐妹？想和大家一起交流探讨：1. 技术落地经验：大家都在用哪些 Agent 框架？实际业务落地遇到了哪些坑？2. 双栈开发的痛点：Python 和 Java 在当前业务场景下大家是怎么权衡和协作的？3. 职业发展规划：从 CRUD 走向 AI 应用，大家对未来的职业发展怎么看？一个人摸黑折腾不如一群人交流走得快！有差不多经历或者对这个方向感兴趣的牛友，欢迎在评论区扣个 1 或者直接私信我。大家可以交流下心得，互相分享点资料，一起成长！

最近面试了不少AI大模型方向的候选人，自己也从业务面和HR面两个维度做了复盘很多同学在准备面试时，总是习惯站在“如何回答”的角度去背题，缺乏结构化的思维和表达但其实更有效的准备方式是：站在面试官的角度，理解他为什么这么问，他想考察什么，什么样的回答能让他眼前一亮第一部分：业务面试官 (简历深挖与场景题)这部分主要考察你对做过项目的深度理解，以及解决实际问题的能力，而不是只会调用API。模块一：项目深挖（SD与RAG）问题1： SD项目中的提示词是如何编写的？（考察Prompt Engineering基本功）考察点： 是玄学调参还是有方法论？有没有建立标准化流程？回答思路拆解： 不要只说“根据经...

如题，官网流程还没开，有意向私信看简历，岗位开放立马进流程。欢迎大家戳呀。贴一个jd2. 手把手，快成长：由资深技术专家一对一指导。你将完整经历从需求分析、方案设计到代码落地的全过程，掌握大模型应用开发的核心技能，快速完成从学生到工程师的蜕变。3. 高机会，留用优：团队对实习生重视度高，表现优秀者可直接获得正式录用Offer。这里不仅有前沿的技术探索，更有清晰的职业发展路径【岗位职责】4. AI 应用功能开发：参与电商运营系统的智能化改造。利用大模型能力，开发自动化的智能任务，帮助业务提效。5. 智能助手设计与实现：面向内部运营人员和外部商家，开发能“听懂指令、自主干活”的AI 助手。让它不仅能回答问题，还能主动提醒进度、生成报告，甚至协助完成跨系统的操作。6. 多智能体协作探索：尝试让多个 AI 角色协同工作，通过合理的逻辑编排，让它们配合完成更长、更复杂的业务目标。7. 工具链与效率提升：参与部门内部的 AI 开发工具建设，封装常用的业务接口供 AI 调用，并探索如何利用 AI 辅助编程，提升团队整体的开发效率。【岗位要求】8. 基础良好：2027 届本科及以上学历，计算机相关专业；熟练掌握 Python/Java/Go/C++ 中至少一门语言，数据结构与算法基础扎实。9. 热爱 AI：对大模型技术应用有强烈好奇心，平时关注 AI 领域动态。善于思考如何用新技术解决实际问题，具备良好的逻辑思维和沟通能力。10. 技术上手快：-- 了解 Agent（智能体）的基本概念，知道什么是工作流编排、ReAct 模式或多智能体协作。-- 接触过主流开发框架（如 LangChain 等），或对向量数据库、Embedding 技术有初步了解。11. 工程实践能力：-- 理解 Prompt（提示词）编写技巧，了解 RAG（检索增强生成）、工具调用（Tool Calling）等基本原理。-- 有过 API 接口对接经验，能将后端服务转化为 AI 可调用的工具者优先。12. 加分项：-- 有 PyTorch/TensorFlow 使用经验，或尝试过模型微调。-- 做过课程设计、毕业设计或个人项目，且涉及复杂业务流程处理（如电商、ERP、办公自动化等）13. 善用工具：习惯使用 Cursor、Copilot 等 AI 编程助手辅助写代码，追求高效开发。招聘对象2026 年 11 月 1 日至 2027 年 10 月 31 日期间毕业的海内外应届毕业生。

最近闲下来了整理下之前的面经1.你对agent了解多少呢2.workflow和agent有什么区别3.什么情况下适合用workflow，什么情况下适合用agent4.如何保证workflow和agent的成功率5.需要实现一个任务，你需要重点去提升指责给模型的一个能力。有四种方式:(1)微调;(2)换参数量更大的模型;(3)上下文工程;(4)提示词工程。哪一个你认为性价比最高6.上一题回答的是微调，你是基于哪一种场景得到的这个答案7.如果我换一个参数量更大的模型，你觉得会不会比微调好8.聊一下muliagent，你是怎么做意图识别的9.你是如何处理这种异常情况的，比如路由到了一个错误的任务，如果用户说不对，我要问的问题是XXX，你这个agent会不会纠正自己的行为，还是再跑一次流程10.任务分解后，会根据任务执行结果调整任务列表吗11.回答再跑一次，面试官说你这个也不是agent，而是一个工作流。因为没有意图的纠正、没有异常的处理、没有上下文记忆、没有agent本身的一个校准。12.面试官讲了一下他对agent的见解。他认为agent最重要的不是路由，而是上下文的压缩，记忆管理、以及安全机制。13.问会用docker吗，都有哪些命令，compose是构建镜像还是创建容器，镜像和容器有什么区别