暑期实习 TimeLine

感觉最近好忙,今天算是闲下来了,为广大牛友写一下时间线吧,仅供参考

腾讯CDG-腾讯金融科技部门

  • 一面:4月3日(4月2日下午约的第二天面试),面完想着要过假期了,状态应该不会更新所以当天晚上没看状态,第二天(清明节那天)已经进入复试状态。(主要是深挖项目,挖的很深。基本无八股。算法是买卖股票含手续费)
  • 二面:4月11日 (也是前一天约面发复试链接)。第二天10点挂。(二面主要纯聊天为主,很少问技术。上来就问本科,成绩,为什么不做笔试,还问项目难点,兴趣爱好,挫折等等,无算法。反正自己要多说,讲自己项目难点的时候要遵循那个star法则吧,最后结果具体怎么样,比如性能优化最后要说具体结果值吧。他最后点评说我这里说的比较含糊。我以为面试官会继续往下问,谁知道他不问,你不说他就代表你不会了。最后点评有正向负向,正向说我技术肯定没问题(但他又说他没深问),负向就是说项目难点解决方案模糊,还说自己想想肯定是有挫折的(我面试的时候说没有挫折,说了一个他说不算))

美团-到家事业群-到家研发平台-外卖送药

  • 一面:3月28日 (3月26日约面) 泡池子泡了4天后回到人才库。(问什么时候开始学前端,项目难点,就是围绕项目展开一系列的问题。一些八股吧,不多)最后点评说我基础很好,但是他认为那个算法对我来说很简单,我没写出来(我当时说了思路,写了没写出来,是一个树的路径问题,就是最底层路径。给个对象转为这种形式1-11-111,1-12-121,1-12-122)))

美团-基础研发平台-转saas部门(待OC)

  • 一面:4月8日 (八股偏多吧,都是常规的,算法:走楼梯,还有一个动态规划的题,就从左上角走到右下角,最小路径和)
  • 二面:4月12日 (转餐饮saas部门直接二面,搞不懂这操作,面完面试官加wx。让hr给我打电话)(聊天为主,贯穿项目,最后出了一个智力题:平面上2n个不规则的点,用尺子和圆规,画出一个圆,保证能正好圈中n个点)

字节跳动-抖音直播部门

  • 一面:4月1日 (问了一点项目,(CSS动画相关的),三道算法题 lodash的get方法,bind的polyfill,还有一个算法你忘了,力扣上的题)(面完第二天感谢信。面试的时候就看出来不感兴趣了。用的技术栈RN,虽然之前学过,但也忘了,我简历上也没写我会RN)

快手-数据平台部门(OC)

  • 一面:4月2日(12点20多面完的,14:00约第二天面试)(项目问了很多,简历上写的都问了。还问一些八股吧,不算多,三道算法,实现indexOf,二分查找,不含有重复字符的最长子串的长度
  • 二面:4月3日 (前端设计模式,npm工作流,v8引擎原理,其他常规八股吧。事件循环代码阅读题,算法:第一个不重复的字符的索引
  • hr面:4月12日(当天下午已OC,4月8日约的hr面)

作业帮(OC)

  • 一面:4月2日 (做三道题,我看有牛友发出来了)
  • 二面:4月2日
  • 无hr面,面完直接给offer

腾讯云智-云开发者社区 (OC)

  • 一面:3月26日 (项目相关+八股)(笔试面试一起发,没做笔试)
  • 二面:3月28日 (项目相关+ 八股,算法:构建平衡二叉树,左右高度不超过1)
  • hr面:4月1日 (4月11日发offer)

简历挂:阿里系,拼多多,oppo,百度(百度好像不招人呀,岗位也都是个位数)

流程中:360,B站,腾讯音乐(没做笔试),携程(做了笔试,投的北京),小红书(做了笔试),京东,小米

问的八股就不写了,我也没怎么看八股。感觉就是平常学的知识吧。特别喜欢问的有浏览器相关知识,web安全,webpack,计网知识,也就这些吧。

最后说下心得体会:目前感觉一般情况下技术栈和项目业务不匹配有点难进(虽然面试官都给我说过我们不看框架,我们看重基础)。2月份我还在参与一个项目,然后就准备的很晚。所以我投的很晚。投的最早的是美团(3月21日),因为每周一次笔试。其他均在3月25-28日期间投的,腾讯投的最晚(想着把想进的放最后,哈哈哈这是错误想法。腾讯流程很慢的)。

暑期实习相当于一个阶段型的考试吧,通过这次暑期实习,也意识到了自己哪些方面存在不足,也了解了市场需要什么(自己接下来应该学习什么技术,个人感觉要像跨端技术,也可以说是大前端吧,或者说前端和人工智能相结合吧)。

所以还是继续努力吧,还有秋招春招呢,目前这个阶段感觉就是发现自己不足或者欠缺,大家也不要过于焦虑和悲伤。

在这个过程中也有过焦虑,每天都会去招聘公众号上刷状态,一天至少刷个4-5次。有时感觉面试这个过程就是在内耗自己。有时又感觉需要静下来沉淀沉淀自己,....

最后分享一句最近很喜欢的话吧,不要美化那条未走过的路。

#暑期实习转正##Offer审批##面经攒人品#
全部评论
狠狠地点了,佬,不要去美化没走过的那条路😭
4 回复 分享
发布于 2024-04-16 01:37 广东
太强了校友,哪个学院的
点赞 回复 分享
发布于 2025-03-19 00:26 重庆
还是前端机会多😂
点赞 回复 分享
发布于 2024-04-15 22:44 广东
请问携程前端的笔试题大概什么样的呀~
点赞 回复 分享
发布于 2024-04-15 21:30 广东
美团saas base是哪呀
点赞 回复 分享
发布于 2024-04-15 16:26 四川

相关推荐

面试了陌陌的k8s研发工程师岗位,不管是面试过程,还是技术广度深度,总体感觉还是很专业的,沟通过程比较流畅,面试官会以交流的方式提问,卡顿的地方进行会适当的引导,面试完hr通知和约后续面试也挺快的,基本上几个小时后hr会联系给反馈。一共4轮面试,2轮技术面,1轮业务面,1轮hr面,下面整理了下整体面试的问题:第一轮技术面试,差不多50分钟,面试官应该是部门小组负责人,先自我介绍到聊项目,我之前主要做容器云平台相关开发的,从项目延伸到k8s和go的相关知识;1. 自我介绍+项目介绍(pass平台、自定义控制器、servicemesh平台、devops平台),基于项目问了一些功能实现和细节;2. k8s主要问了一些基础问题,具体记不全了,如:pod多个container的启动顺序;crd编写规范(matedata、spec、status)自定义控制器实现机制(控制器启动流程、informer机制、watch断点续传和resync机制),reconcile的实现细节和注意事项(workqueue的去重和重试机制);自定义调度器实现的方式;3. go问了一些基础问题,数组切片、map等;4. 最后一道代码题,多个gorountine并发处理任务。第二轮技术面试,差不多快1个小时,面试官应该是技术leader,提问的方式挺有水平的,交流的问题比较基础细致并且挺有深度的,有些平时常见但是容易忽略的地方,需要对k8s实践和源码有足够的熟悉程度。1. 自我介绍+项目介绍,基于项目细节延伸到的问题如下;2. kubelet的作用、pod创建的流程;3. 常用的几种operator脚手架工具,如kubebuilder、code-generator等,区别是什么?为什么选择其中的一种?4. deployment滚动更新,更新过程和配置,deployment controller根据pod哪些信息判断pod已经ready(pod的status.conditions信息),如何暂停滚动更新;5. 灰度发布实现方式:①只用1个deployment,多个pod,通过暂停滚动更新实现,需要通过暂停更新进行精确的pod数量控制;②基于服务网格istio实现,2个deployment+virtualservice+destinationrule6. operator原理(informer、watch机制等),reconcile处理细节,如何保证最终一致性和幂等性(workqueue去重机制、延迟重试机制、crd spec对比、status判断等);7. operator高可用如何实现(lease),无主或者双主情况如何解决,k8s lease资源和etcd的lease机制的区别;8. apiserver自定义准入控制,可以实现什么功能(认证、鉴权、准入控制(cidecar注入、集群资源信息校验)),准入控制webhook https证书配置,超时处理等;第三轮业务面试,45分钟左右,应该是整个部门的负责人,主要是过项目,感觉主要是查看沟通能力,基于项目中涉及到的核心技术operator、servicemesh等问了一些架构和核心机制如,如何保证reconcile幂等性、operator高可用、istio架构等;第四轮hr面试,就是一些常见的问题了
查看15道真题和解析
点赞 评论 收藏
分享
05-09 06:25
门头沟学院 Java
还是太菜了,下去沉淀一下1.深入剖析ReAct框架的局限性,并在此基础上,详细解释Plan-Then-Act、ReAct + 轻规划以及Tree/Graph Planning(如ToT、LATS)这三种范式的核心区别、适用场景和各自的优缺点。 ​2.请阐述“思维链”(Chain-of-Thought, CoT)与“规划”(Planning)的本质区别。为什么说CoT仅仅是“将推理过程写出来”而Planning是生成一个“可执行的任务表”?请用具体例子说明。 ​3.在处理一个需要多步工具调用的复杂任务(例如“调研三篇关于RAG+RL的论文并输出中文总结”)时,如何设计一个鲁棒的规划机制来应对中间步骤的失败(如某个API调用超时或返回数据格式错误)请描述具体的重试、回滚或重规划策略。 ​4.详细解释Tree-of-Thoughts (ToT) 或类似LATS(使用LLM进行蒙特卡洛树搜索)的框架是如何工作的?它们与传统的线性规划相比,在探索最优解题路径上有何本质优势? ​5.在Agent推理过程中,经常会出现“推理断层”或“结果与目标偏离”的问题。请结合具体技术或你的实践经验,说明如何通过提示工程、记忆机制或架构设计来缓解或解决这一问题。​6.请深入剖析大模型Agent的“长期记忆”模块。在设计一个能够持续运行、与用户长期交互的Agent时,你会如何设计记忆的存储结构(如向量数据库、图数据库)、更新策略(如记忆合并、遗忘机制)、检索机制(如重排序、混合检索)来确保记忆的高效和准确? ​7.当历史对话记录非常长时(远超模型上下文窗口)你有哪些策略来优化记忆的查询效率并保证关键信息不丢失?请比较“滑动窗口”、“总结压缩”、“向量检索”等不同方案的优劣。 ​8.什么是“混合检索”(Hybrid Search)?请解释为什么在工业级RAG系统中,纯向量检索往往不够用,需要结合关键词检索(如BM25)。请给出一个具体的业务场景,说明混合检索的必要性。
查看8道真题和解析
点赞 评论 收藏
分享
评论
20
37
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务