腾讯 CDG 安全技术-风控算法方向 一面面经 腾讯营销-广告场景-流量主风控

6.5 周五晚被腾讯捞了，问我有offer吗，我说只有华子...

岗位：安全技术-风控算法方向

类型：应届实习

形式：远程面试

时长：约 50 分钟

整体感觉：面试官比较关注项目真实性、风控业务理解和基础代码能力，不是纯八股。

1.开场

先确认了一下岗位信息，然后让我简单自我介绍。

面试官根据简历确认了我之前做过市场监察实习，现在主要做 AI 应用开发相关内容（目标岗位）。

2.项目

让我挑一个自己做得比较好的项目重点讲。

我主要讲了 Agent 方向的项目，包括：

• Zero2Agent
• Claude Code 源码分析
• SlidePilot：基于大模型 / Agent 自动生成 PPT，并自动校验展示效果，反复迭代直到版面基本无瑕疵

追问的问题大概有：

• 为什么要做 Zero2Agent？
• 这个系统主要解决什么问题？
• 做项目时遇到过哪些困难？
• 是真正实现了，还是只是网上资料整理？
• 从 Claude Code 源码分析里学到了哪些可复用的东西？
• 为什么这类代码 Agent 能做得比较好？

回答方向：

主要围绕 Agent 工程化、工具调用、任务拆解、上下文管理、执行验证这些点展开。面试官比较在意项目是否真实落地，以及自己到底做了哪些工作。

3.风控业务题

给了一个广告安全场景：

公众号、朋友圈、小程序、视频号里，广告被点击、曝光或转化越多，创作者/流量主收入越高，因此可能有人找黑产刷广告数据。

问题包括：

• 怎么识别作弊用户、作弊流量主和作弊创作者？
• 可以用哪些特征？
• 哪些特征是黑产比较绕不过去的？
• 拿到地理位置、WiFi 等信息后，怎么建模？
• 团伙模型怎么做？
• “相同或相近”怎么衡量？

回答方向：

• 用户侧：账号、设备、IP、行为频率、点击路径等。
• 流量主侧：点击率、转化率、流量来源是否异常。
• 团伙侧：账号和设备、IP、WiFi、地理位置、广告之间的关联图。
• 模型上可以说规则 + 机器学习模型 + 异常检测 + 图模型。
• “相近”可以用地理距离、设备指纹相似度、WiFi 集合相似度、行为序列相似度等。

4.代码手撕

手撕了两道链表题，问了时间复杂度，需要讲解思路和代码。

相交链表

思路：双指针。

两个指针分别从两个链表出发，走到尾部后切换到另一个链表，最终会在交点相遇；如果不相交，会同时到 null。

复杂度：

• 时间：O(m+n)
• 空间：O(1)

合并两个有序链表

思路：用 dummy 虚拟头节点，两个指针依次比较，把较小节点接到结果链表后面，最后接上剩余部分。

复杂度：

• 时间：O(m+n)
• 空间：O(1)

5.反问

最后问我有没有问题。

可以问团队主要做哪些风控场景、实习生工作内容偏模型还是策略、有没有大模型安全或 AI 风控相关落地项目。

总结

整体难度中等，项目和风控场景问得比较多。建议提前准备一个能讲清楚背景、实现、难点和效果的项目，同时熟悉广告反作弊、异常检测、图建模这些基础思路。