1. 自我介绍2. 学习前端的方式3. 看过哪些技术书籍4. 《高程》中印象深刻的地方5. 原型链相关知识点6. this绑定机制7. 实现私有方法/属性8. 闭包实现方式9. ES5继承方法10. 快速排序手写11. 项目难点介绍

前几天面的腾讯S3（后台开发）一面，发出来攒攒人品面试时长40分钟，无手撕，已过，基本都是八股，难度还可以1. 针对你做过的项目，我们做几个技术上的了解。我看你这边有一个仿淘宝的神券系统，这个是你自己实际的项目还是学习的项目？2. 如果我们要去设计一套高并发的票务系统，如何去确保这个系统的高吞吐，并且确保它的稳定性和票不能够超卖？对于这么一个产品，你要怎么去设计？3. 你提到在前端调度上要做CDN，这是为了做什么？4. 请求到网关以后，你提到了限流，大概来讲一下有哪些限流的方式方法？5. 为什么要考虑异步的方式？（指抢购）6. 如果用异步处理，数据库接收的请求会不会变少？那我们如何去保证它的高吞吐？假设1秒钟有1万个请求，如果是用异步的方式，是不是1万个请求都要在队列里排队执行？7. 在异步之前有一个缓存这一层，缓存这一层你是怎么去设计的？它如何去确保不超卖的行为？8. 缓存和数据库存会不会存在最终不一致的情况？例如网络中断、退票或支付超时，怎么去确保缓存里的库存和数据库最终会保证一致？9. 布隆过滤器有没有了解？10. 缓存击穿和缓存雪崩这两个场景，我们一般是怎么去解决的？11. 介绍一下分布式锁，我们一般是用它去解决哪类问题？它的实现方式大概有哪些？12. 在消息队列里，我们是如何去确保消息的可靠性的？13. 在哪些场景下，我们不会使用ACK确认机制？14. 消息消费失败的话，一般会怎么去处理？15. 用消息队列时有一个常见问题是幂等性问题，我们一般怎么去解决，确保程序是幂等的？16. 你提到会把消息的唯一ID放到Redis里，这个key会一直存在吗？什么时候删除？过期时间怎么设置？17. 如果在数据库层面做幂等，你要怎么去设计表？18. 在Java里我们会用到AOP思想，你大概解释一下什么是AOP，以及我们会在什么场景下使用？19. 你用过Redis，大概解释一下Redisson实现分布式锁的原理。20. Java里面内存是怎么管理的？不同类型的变量存储在哪里？它们的生命周期又是怎样的？21. 在程序开发时，会出现栈溢出或堆溢出的情况，你能够解释一下在哪些情况下会出现，以及如何去解决？22. 在线程池里做开发时，如何去设置线程池的数量？23. 做项目时是怎么考虑系统安全性的？例如怎么识别用户身份，怎么判断用户权限？24. 你对比一下Cookie Session和JWT这两种方式的优缺点。25. JWT这边，如何去处理它过期的问题？26. 如何去让用户注销，也就是退出系统？27. JWT是怎么颁发给前端的？服务器怎么去颁发一个JWT？28. JWT是否可能会被篡改？如何防止被篡改？29. 你对OAuth2.0或SAML2.0这两个协议有了解吗？30. 权限方面你会怎么去设计？31. 假设需要对现在的项目做优化，需要考虑角色，登录后某些人只能访问某些接口，其他人全部接口都能访问，你要怎么去设计这个功能？32. 你对微服务的设计有没有了解？33. 你对K8s有没有了解？ 不了解34. 你对服务的注册和发现有没有了解？35. 你这边有没有什么问题想问我的？

-面试时间：2026年3月2日15:00-面试部门：腾讯文档（感谢捞捞）-面试岗位：后端开发-面试市场：一小时左右本人年前压着ddl投递的,就想着年后面试多准备一些，刚好事如所愿，年后初八发邮件预约面试时间选到了3月2号，今天下午面上了，也是本人第一次面试，把问题制作为面经，欢迎各位UU参考，祝大家面试顺利：算法：删除链表重复元素（不难）但是面试官会追问：空间复杂度，时间复杂度，优化方案，并且全部手写（如果只刷Leetcode的UU注意下，还是很需要锻炼从0开始手撕的，结构体，写用例等等）八股（少，问的难度适中）1.TCP三次握手，四次挥手，为什么2.TCP与UDP区别，优缺点3.HTTP协议常见状态码，不同开头对应4.HTTP（302）是什么意思（忘看了。。。。。。。。。搞后端最近没咋见过）中间件（只问了RabbitMQ)先介绍RabbitMQ干什么的，哪里用，怎么用。1.消息堆积怎么办2.生产者顺序影响吗，消费者如何接收？3.重试机制，重试在哪里设置项目（我也很蒙，八股就问了点计网）1.RAG流程？2.RAG切片策略？3.RAG评测/优化4.FunctionCalling是什么，怎么用5.Skills?用过吗，干什么的6.用过哪些AI工具7.AI辅助编程，有什么好的心得？策略？8.MCP用过吗？干什么的？（我不是Agent开发，补药啊，会消失的）最后反问，差不多就这么多。有些细节想不起来了...刚面完，出结果了就更3-3更新:已挂，还是多沉淀沉淀吧

1. 先做个自我介绍吧您好，我是[姓名]，目前就读于[学校][专业]。我主要的技术方向是C++客户端开发，熟悉C++11/14/17新特性、STL容器和算法，有Qt框架的项目经验。在校期间参与过[项目名称]，主要负责[具体模块]的开发，使用了Qt进行界面开发和信号槽机制实现模块间通信。最近在[公司]实习，参与了[项目]的开发，积累了一些实际项目经验。我对客户端开发很感兴趣，平时会关注性能优化、内存管理等方面的技术，也在LeetCode上刷题保持算法能力。很期待能加入腾讯WXG团队，参与微信这样亿级用户产品的开发。2. C++11/14/17有哪些新特性是你常用的？我常用的新特性包括：智能指针（...

有面试过同岗的朋友欢迎评论区交流1. AXI总线：深入考察协议细节和应用场景2. 跨时钟域处理：1- 单bit信号跨时钟域处理方法2- 多bit信号跨时钟域处理方法3- 双触发器同步法的局限性4- 慢时钟域到快时钟域的处理方法5- 时钟频率差与同步方法的关系6- 其他跨时钟域处理技术3. 异步FIFO：1- 格雷码的应用原理2- 格雷码实现异步FIFO的缺陷

1. 选择前端的理由2. 给一个你自己从零开始学习一个领域的经历3. 从输入 url 到页面渲染发生了什么（DNS TCP IP）4. 请说出浏览器的缓存策略5. 请说明 React 的合成事件的作用，与原生事件的区别是什么6. 如果让你开发一个动态路由管理系统，你会怎么做。（权限滥用问题如何解决）7. DOM BOM 区别和联系8. 性能优化（用户体验、效率方面）9. webpack HMR 是什么，原理是什么？10. SSR React 服务端渲染的原理

1. 自我介绍2. 进程、线程、协程之间的关系3. linux底层进程的内存分布4. 栈和堆的内存增长方向5. 操作系统里面的同步机制 (说了一些锁)6. 自旋锁 (回答的不好)7. 讲一下 I/O 多路复用8. TCP连接的最大数量 / socket 中如何保证连接的唯一性9. http的一些状态码、http 1.0/1.1/2.0/3.0 的区别10. http 如何保证安全，关于跨域 (没回答上来)11. TCP 三次握手，特别是为什么要第三次握手12. zookeeper 是保持强一致性的吗？它与客户端是关系 推/拉13. 你是如何解决这个超卖问题的？14. 如果redis中扣减成功，但是mysql中没有扣减成功，如何作一个兜底(这个好难，我说了用定时任务+MQ重试，但是面试官不满意，就说出现了少买，如何做兜底)15. 算法题：前K个高频词的统计与排序 (leetcode 692)(我的解法面试官不满意，它说不要进行排序，懵逼了)拓展题：17. 内存512m，大几个G的数据(url), 如何判定出现的次数18. 关于实习总结：好难，实习第一次面试强度就这么高吗PS：复盘一下，是我太菜了

面试很难，还是要多多练习！！！1.实习介绍2.你做的上下文扩大具体是怎么做的，原理是什么?3.相关长文本是怎么做几阶段训练的?4.除了所用的扩展方式，Deepseek、Llama的长文本扩展方案是什么，为什么选择当前方案而非其他?5.若要将模型训练到1000K的上下文长度，该从哪些方面实现，其中的难点是什么?6.32B模型训练用到了多少显卡?7.若将上下文扩展到1000K，该如何估算训练的算力用量?8.上下文扩展到1000K后，训练时显存会在哪些地方暴涨?9.用GRPO做后训练的过程中，遇到的典型或较难的问题是什么?10.针对上述问题，训练Skill的具体方式是什么?11.从算法设计角度，该如何解决模型无效调用工具、工具调用参数失败的问题?12.增量预训练中的"增量"具体指什么?13.增量预训练使用了多少数据，又该如何评估训练效果?14.系统介绍一下自动化评分的背景、所用手段、解决的问题以及达到的效果15.在模型迭代优化中，什么样的数据能进入数据闭环，筛选标准是什么?16.模型工具调用的准确率是如何计算的?17.分析PPO算法各部分在流程中的位置以及具体计算方式18.抛开实际应用场景，PPO算法的损失包含哪几部分?19.在实际流程中，PPO算法的相对优势是怎么计算的?

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.leetcode LRU+长度最小子数组2.实习拷打3.微调介绍4.PPO, DPO, GRPO5.ES底层存储原理6.Redis分布式架构7.langchain介绍8.限流算法?9.推理框架

八股 1.解释一下进程，线程，协程。2.进程在Linux中的内存布局。3.对于同步机制有什么了解。4.阐述一下悲观锁和乐观锁。5.讲一讲TCP的三次握手机制，以及问什么需要三次握手，两次不可以吗。6.关于TIME_WAIT可以去详细的讲讲吗。7.讲一讲IO多路复用技术。8.关于信号量机制中，如果多个线程同时去获取信号量的这样的竞争情况，多个线程会获取同样的结果吗项目1.关于bitmap这里，当涉及到百万级用户时如何管理；多标签怎么做，一个用户存在多个标签。2.关于计算bitmap索引时进行取模，那么这个模设置为多少，取bitmap的长度，长度为多少，为什么是这个大小。3.如果用户进行支付宝支付的时候失败了怎么办，例如用户没有进行支付，输入密码错误等等；为什么你要设置为15分钟，如果15分钟后依然没有支付怎么做的。手撕leetCode 692开放性问题如果你目前的项目进度已经做了一半的时候，产品经理提出了一个新的需求，请问怎么做。

整体面试还是不错的，发下面经给大家参考～1.实习介绍2.在微调大模型时使用过哪些框架3.CLIP模型的zero-shot能力是如何实现的？4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对Transformer模型推理过程，会采用哪些优化手段8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景

发一下问题给大家参考，攒攒人品！1.了解deepseek-R1吗，介绍一下2.大模型灾难性遗忘是什么?怎么解决的?3.项目中怎么做的多任务学习，有用到经验回放吗4.deepspeed三个阶段5.计算attention时候为什么要除以根号dk，还有哪些scale处理?6.什么是旋转位置编码，解决了什么问题，为什么7.训练一个7b模型要占用多少显存，不同zero阶段能节省多少显存8.讲lora微调，如果是全量参数sft需要多长时间?9.讲DPO、PPO、RLHF

面试很难，还是要多多练习,发点面经攒攒人品～1.Embedding与生成模型协同工作是怎么做 的?2.减少大模型幻觉，你用过哪些方法?3.大模型输出幻觉如何识别?有什么自动化评估指标?4.搜索准确性不高你怎么排查?召回、排序哪个阶段最可能出问题?5.如何从系统层面提升搜索结果的相关性?6.你在项目中做过哪些相关性优化?有没有量化结果?7.生成式搜索能否保证top-1的准确性?怎么提高?8.生成式搜索流程怎么设计?9.生成式排序你了解吗?10.如何构造排序模型训练数据?如何解决正负样本不均?

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.结合项目，讲一下RAG的总体流程？2.用户理解阶段一般会做哪些处理？有何作用？可以做哪些优化？3.文档问答中，如何构建索引，提升对用户问题的泛化能力？4.多路检索如何实现？如何合并多路检索的结果，对它们做排序？5.如何构建重排序模型的微调数据？6.RoPE相对正弦位置编码有哪些优势？7.为何使用 RMSNorm代替LayerNorm？8.RMSNorm与LayerNorm在数学公式上的核心区别是什么？9.指令微调（Instruct-tuning） 和提示学习（Prompting）的区别是什么？10.LoRA的工作原理及其优势？11.为什么在参数高效微调中使用低秩矩阵分解？

4月12号，腾讯二面。面试官问："你简历上这个推荐系统，能详细讲讲吗？"我深吸口气，开始背准备好的答案："这个推荐系统基于协同过滤算法，使用Spark处理大数据，Redis做缓存...""等等，"面试官打断我，"我没问技术。这个系统要解决什么问题？"我愣了："就是给用户做推荐啊...""推荐什么？为了什么目标？提升DAU还是转化率？""应该是...提升活跃度..."我越说越没底气。面试官摘下眼镜："你负责的部分，具体解决了什么问题？"我脑子一片空白，半天憋出一句："处理用户行为数据..."沉默了十秒钟。面试官语气变淡："好的，聊下一个问题。"那次面试不到25分钟就结束了。走出腾讯大楼，深圳的太阳晒得人发晕，我却浑身发冷。明明准备了很多次，为什么临场就是说不出来？晚上我把之前所有面试录音听了一遍，越听越不对劲。我发现自己每次回答都很"死板"——像在背课文，不是在交流。面试官问A我就背答案A，追问就卡壳。更可怕的是，我准备面试的方式有问题。我把网上的"高频面试题100道"全背下来了，但实际面试中，面试官问的往往不在这100道里。我这才意识到：我把面试当成了"考试"，以为背好题就能过。但面试不是考试，是"对话"。周末我找在阿里的表哥做模拟面试。他按真实标准来问，把我"虐"得体无完肤。问题一：自我介绍没记忆点我按准备的版本说了两分钟。表哥打断："你说这么多，我能记住你什么？""记住我名字？""不，我连名字都记不住。你的介绍就像念简历，毫无特点。"问题二：回答缺少结构表哥问我最有挑战的项目，我想到哪说到哪。他再次打断："你说了一分钟，全是碎片信息。能不能用清晰的结构讲？"我试了几次，根本不知道怎么"有结构地"讲。问题三：遇到不会的就慌表哥突然问："如果让你设计秒杀系统，怎么做？"我脑子空白："我没做过...""没做过不代表不能想。"但我就是不知道怎么应对。问题四：数据模糊，没说服力"你那个系统上线后效果怎么样？""挺好的，很稳定。""什么叫'挺好'？能量化吗？""这个...没太关注数据..."表哥摇头："面试官最烦这种模糊表达。'挺好''不错'没有任何信息量。"模拟面试后，表哥总结："你的问题不是准备不够，而是方向错了。你在准备'答案'，但面试官要看'思考过程'。"我彻底推翻了之前的准备方式，重新设计了清单：准备一：重构自我介绍用"标签+故事+钩子"替代流水账。"我是XX，您可以理解为'用数据驱动决策的后端工程师'。去年实习时发现订单系统会崩溃，我主动提出异步处理方案，把处理时间从5秒降到800ms，支撑618零故障。这让我对高并发优化有了深入理解。看到贵司在做XX业务，特别想知道你们怎么处理的？"准备二：用"STAR+思考"讲项目不只讲过程，更要讲思考。S（情境）- 要有冲突："大促前一周系统会崩，不解决肯定出事"T（任务）- 目标明确："一周内把并发从1000提升到5000 QPS"A（行动）- 分层讲述："分三步：定位瓶颈、优化方案、压测验证"R（结果）- 数据+收获："最终支撑8000 QPS零故障，让我明白要建立常态化监控"准备三：针对JD定制提取JD关键词，找简历上最匹配的2-3个项目，把80%时间花在这些项目上。设计"引导话术"，主动提及这些项目。准备四：模拟实战找人做真实模拟，录音回听找问题，每个问题限时2-3分钟练习。改变方式后，我投了字节。二面时用新框架讲项目，面试官听得很认真，还不时点头。他问："如果并发再大10倍怎么处理？"以前我会慌，这次我先理清思路："可以从三个层面考虑：架构层面做服务拆分，技术层面用Redis集群+限流，业务层面用排队削峰。具体选哪个要看场景，紧急情况我会优先限流+缓存，因为改动小见效快。"面试官说："你思路挺清晰的，思维方式和我们团队挺match。"一周后拿到了offer。准备时我用了AiCV简历王，能根据JD生成针对性面试题，模拟真实场景，帮我发现了很多没注意到的问题。总结一下：面试的本质不是证明你多完美，而是让面试官看到你的思考、潜力、真诚。三个建议：准备"思考"不是"答案"——每个项目花1-2小时深度复盘用"故事"不是"陈述"——有场景有冲突有解决过程针对JD靶向准备——提取关键词，重点准备匹配项目

1. 自我介绍与岗位理解：简单自我介绍，确认面试岗位为测试开发2. 对测试开发这个岗位有什么理解？3. 介绍一下你做的这个 AI 智能体项目4. 这个项目具体解决了什么问题？应用场景是什么？5. 你用过哪些大模型？6. 对比一下这些大模型的优缺点？7. 项目中用到了 RAG，能讲讲它的具体工作原理吗？8. 项目中提到的“结构化分片回传”是怎么实现的？9. 你觉得提示词工程重要吗？10. 了解企业微信的业务吗？11.面试官解释了日常实习与暑期实习的区别，说我现在有点早12. 你的实习时间安排是怎样的？下学期的课怎么办？13. 手撕算法题：合并区间  k 次反转链表15. 反问环节：实习期间的日常工作内容大概是什么？对 AI 技术的使用程度有要求吗？针对我的情况，有哪些方面需要重点提高？

1. 碎碎念：从“收到邮件”到“上岸渡劫”接到京东 HR 那个带着北京口音的 OC（Offer Call）电话时，我正瘫在宿舍的电竞椅上发呆。直到挂了电话，看到邮箱里躺着的那封意向书，我才确信自己真的熬过来了。简单回顾一下这条战线。从八月份盲投简历，到做完那种让人做到头秃的行测笔试，我一直都没抱太大希望。毕竟京东的“采销经理”岗是出了名的核心业务线，这帮人手里捏着采矿权和定价权，是真正的尖刀连。所以，当九月中旬突然收到二面（业务高管面）的视频会议链接时，我当时只有一秒钟的兴奋，紧接着就是无止境的恐慌。会议详情里写着面试时间预计 45 分钟。我盯着屏幕，心里直打鼓：我之前那两段中规中矩的电商实习...

1️⃣大模型推理优化方面KV Cache 、PagedAttention 、FlashAttention 等技术，提升吞吐和显存利用率。2️⃣高频考点vLLM 与 PagedAttentionKV Cache 原理与优化推理加速综合策略3️⃣公司考察侧重点差异💞字节跳动：全面覆盖推理优化、推荐系统、多模态等多个方向，考察系统化思维能力👀腾讯：偏重推理框架（ vLLM 、FlashAttention ）和长上下文优化🍎美团／滴滴：关注实用化推理加速技术选型和实践经验4️⃣面试准备建议➡➡掌握核心原理：深入理解 vLLM 的PagedAttention 、 KV Cache 、 FlashAttention 核心技术的实现机制。➡➡积累实战经验：准备具体的优化案例，包括量化效果、延迟提升数据等量化指标。➡➡构建系统视角：不仅要懂算法原理，还要了解系统资源调度、并发处理等工程实践。⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1️⃣大模型推理优化方面KV Cache 、PagedAttention 、FlashAttention 等技术，提升吞吐和显存利用率。2️⃣高频考点vLLM 与 PagedAttentionKV Cache 原理与优化推理加速综合策略3️⃣公司考察侧重点差异💞字节跳动：全面覆盖推理优化、推荐系统、多模态等多个方向，考察系统化思维能力👀腾讯：偏重推理框架（ vLLM 、FlashAttention ）和长上下文优化🍎美团／滴滴：关注实用化推理加速技术选型和实践经验4️⃣面试准备建议➡➡掌握核心原理：深入理解 vLLM 的PagedAttention 、 KV Cache 、 FlashAttention 核心技术的实现机制。➡➡积累实战经验：准备具体的优化案例，包括量化效果、延迟提升数据等量化指标。➡➡构建系统视角：不仅要懂算法原理，还要了解系统资源调度、并发处理等工程实践。⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。