字节暑期 AI搜索一面面经

“回去等通知吧，我们会尽快回复你。”这句话简直是经典语录。表面意思是面试结束了，流程在走，结果快出来了。实际90%的情况下都是拒绝，HR不想当场给你难堪，或者还需要横向对比其他候选人（把你当“备胎”），所以用这句话来结束对话

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

给我面没招了，发点面经攒攒人品～1.实习拷打2.你能简单概述一下你大概做了什么事吗？3.你们会有论文相关要求吗？4.你项目的背景大概是什么样？5.你这个项目主要做了哪些功能？6.你做项目的时候你觉得踩过的坑或者遇到的困难的地方？7.你还有哪些技术栈？8.ai coding

这个项目是我借助AI完成的一个轻量级 FreeRTOS 实践，核心目标很简单：在有限资源下，快速搭建一个结构清晰、可扩展的嵌入式系统。整个过程中，我没有把重点放在“怎么写代码”，而是放在“怎么把需求说清楚”——包括任务如何划分、通信怎么设计、系统有哪些约束。把这些讲明白之后，AI可以很快帮我生成基础框架，大大减少了重复劳动。这个项目带来的最大收获不是功能本身，而是开发方式的变化：AI更像一个执行器，而你需要成为那个把系统定义清楚的人。简单来说，这个项目证明了一点：在AI加持下，嵌入式开发的门槛在降低，但对思考和表达的要求在提高。