深圳AI小厂测开一面

25min左右

1.自我介绍
2.项目(用到了人脸识别)
   - 描述一下模型
   - 高并发情况下,性能瓶颈在哪
3.进程与线程的区别
4.模型调用(上面的项目)应该用多进程还是多线程(回答多线程,但是面试官说是多进程?这好像不对吧)
5.浏览器输入一个url,经历了什么过程
6.前后端通信常用协议
7.说几个常用的Linux命令
8.页面上有一个按钮,假如点击之后没有反应,你会如何测试
9.如何对deepseek进行测试
10.有没有测试相关的经历
11.为什么要投测开(简历是Java)
12.刷过力扣没有,多少题
13.学校里印象最深的一件事

反问:
1.进去之后具体做什么测试工作
2.是否需要写脚本进行测试
   - 被反问:是否了解自动化测试,用过工具xxx(没听清)吗

感觉面得不太行啊,八股回答得不够流利,关键是对测试不太熟,基本上答得稀烂,而且还问了对LLM、AIAgent、区块链了不了解(不了解)。希望能过吧,给鼠鼠暑假有个去处😭
#面试问题记录# #面试经验谈# #面经#
全部评论
IGG正在招游戏算法工程师,base福州,感兴趣可私聊
点赞 回复 分享
发布于 2025-07-30 13:27 福建
估计是要你开发区块链自动化的框架,工具应该是python的selenium
点赞 回复 分享
发布于 2025-06-17 22:46 广东

相关推荐

现在入门AI,还是按照自己的项目方向吧,具体可能是RAG这种轻量级、易落地、贴近业务的方向,远比一上来啃深度学习理论、从头训练大模型更适合新手,也更能快速积累可展示的项目经验。毕竟对大多数非算法岗的开发者来说,AI 入门的核心不是 “造轮子”,而是 “用轮子”——RAG(检索增强生成)就是这样一个绝佳的切入点:它不需要深厚的机器学习功底,基于 LangChain、Chroma 这些成熟框架就能快速上手;它的应用场景足够广泛,不管是企业知识库问答、智能客服,还是垂直领域的文档检索,都能找到落地场景;更重要的是,RAG 项目的完整链路(数据预处理→向量存储→检索策略→LLM 调用→结果优化),能帮你串联起 AI 应用开发的核心流程。除了 RAG,还有几个和后端开发强相关的入门方向也值得考虑:Agent 智能体开发:基于 LangChain 或 AutoGPT,搭建一个能自主完成任务的小助手(比如 “代码调试 Agent”“简历优化 Agent”),核心是理解工具调用、prompt 编排逻辑,和后端的接口设计思维高度契合;大模型微调(LoRA):不用从头训练,针对垂直领域数据做轻量化微调,比如用公司内部文档微调开源模型,实现更精准的专属问答,适合想深入模型应用层的开发者;AI + 后端工程化:比如用 AI 生成接口测试用例、自动优化 SQL 语句、排查 JVM 异常日志,把 AI 工具融入日常开发流程,这也是后端岗位现在非常看重的能力。入门的关键不是 “贪多求全”,而是选一个方向做深做透:比如先搭一个简单的 RAG 知识库,再逐步优化检索策略(比如混合检索、重排),最后部署成一个可访问的 API 服务。这样一套完整的项目经验,写在简历上远比 “了解大模型概念” 更有说服力。毕竟现在的 AI 岗位,更青睐 “懂业务、能落地” 的开发者,而不是只会背理论的 “纸上谈兵者”。选对一个贴近自己技术栈的方向,快速做出 demo,才是最高效的入门路径。
现在入门AI应该走哪些方...
点赞 评论 收藏
分享
04-05 16:42
河北大学 Java
(仅分享最近的收获):AI能够提升上限:情景- 我之前上学时喜欢用Python。曾说“JAVA是工作,Python是生活”- 虽然但是,没有Python大项目基础,等级可以类似于 JAVAEE水平。太久没写后也忘了差不多辽- 我需要使用python进行快速的自动化落地,从零到一完整写一个新的项目:过程- 一开始古法编程硬写,费时费力没有成果- 过了一段时间选择推倒重来,给出完整的产品设计文档,以及数据库建模,以及需求单.md- 再装配 skill,使用 AI IDE (agent,模型都选国内顶级模型) + Intellij (手动修改,使用 DS的 FIM)结合的模式- 针对需求单做进一步任务拆解,“吃一个,看一个”;在交给AI前,先自己把伪码以及核心方法名创建出来 (最长一次花了2h做这事)- 花费大量时间堆 prompt 质量。只手动圈选必要上下文(最多一次圈了15个文件),并有礼貌的指出问题,指出你要看什么这样这样- 对结果不断优化,能改的直接自己改:结果- 攻克太多之前想都不敢想的难点,东西出来了:舒服的地方- 一筹莫展的境地,有了转圜的余地- 我这种菜鸟写起来肯定是磕磕绊绊,我就疯狂的打TODO让他FIM,速度得到了保证,不会卡心流- 真的能够快速验证,小步快跑,把东西拉出来:不舒服的地方- 平均一次响应要5min以上。很急,等到切回来我的上下文也是要恢复滴- 模型质量不足。连我这个python菜鸡都看不下去了,写的啥啊,应该主要是业务太复杂了罢。。。- prompt与前期准备工作占到了单一需求开发全流程的 60% 以上。不是说不能接受,就是有些别扭,明明有这些时间写文档,自己写也写完了(如果是java的话):评价- 当然JAVA工作的话,主要还是修修补补为主,不是这种“一口气,一把梭”的情况。。。同时,负责的业务场景很复杂,项目文档建设非常落后,最近commit冲突的量级是以k来统计的 --我没有信心让AI来帮我做这些- 我能够接受这种合作方式,我认为自己不是AI的奴隶,同时暂时很难取代,我上面所述的工作拆解与指挥领导的这一步- 后面我会拥抱 Codex 的生态,然后把项目的文档都补充建设起来- 当然,我也明白,
AI了,我在打一种很新的...
点赞 评论 收藏
分享
评论
1
6
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