美团核心本地商业一面

1.介绍上段实习内容2.讲一下浏览器从输入网址到返回内容的全过程3.get和post的区别，http的结构讲一下4.agent用了多线程吗，工具调用是同步还是异步5.具体讲讲上下文管理，滑动窗口和摘要压缩丢失的信息怎么解决6.agent记忆系统如何实现7.长尾问题是什么，如何解决8.es的原理，如何做bm25检索9.大模型推理的底层原理是什么10.一段prompt，前中后段哪一段注意力最高11.prompt如何设计12.如何解决多用户agent系统会话隔离、记忆隔离13.openclaw与传统的agent有什么区别14.看过openclaw实现吗，里面的记忆是如何做的------后续挂

1. 网申填表：牛客网申助手点评： 绝对的神器，省去了重复填写个人信息的枯燥时间，能把网申速度提升 5 倍。⚠️ 注意： 自动填充后，务必人工复查一遍。特别是“开放性问题”（OQ）和“项目经历”，不要千篇一律，要根据岗位 JD（职位描述）微调关键词。2. 投递记录：飞书多维表格点评： 找实习不是“广撒网”就能有收获的，“复盘”才是拿 offer 的关键。💡 进阶玩法： 建议在表格里增加几个字段：投递渠道：（官网/内推/BOSS），方便分析哪个渠道回复快。进度标签：（已投递/测评/一面/二面/挂），用不同颜色标记，一目了然。复盘总结： 每次面试完，把没答上来的题记在这一行，下次面试前看一遍。3...

### 27 届实习生招募｜如果你已经把 AI Coding 当成日常，我们想和你聊聊如果你对实习的想象还是：接需求、写接口、改 bug、做边角功能。那这次的岗位，**可能会不太一样**。随着 AI 技术快速发展，**软件工程的范式正在被重新定义**。未来的工程师，不再只是把 PRD 翻译成代码的人，而是能够端到端解决复杂问题的**系统构建者**。我们是一个建设 **核心电商系统技术底座** 的团队，直接支撑淘宝天猫的商业运转效率。我们做的事情，不是「为了 AI 而 AI」，而是把大模型、Agent、RAG 等前沿技术真正落到真实业务场景，让智能系统创造**可衡量、可验证的商业价值**。---### 在这里，你可能会参与的事情- **深入真实业务场景**- 做需求理解、数据分析和问题归因- 把模糊的业务痛点，转化为可落地的 AI 解决方案- **设计与实现 AI 原生系统**- 参与 Agent 系统核心模块建设- 搭建知识库、记忆系统、工具调用链路和 API 交互环境- **打造关键智能能力**- 实现意图识别、任务拆解、反思纠错、工具编排等能力- 让系统具备端到端解决问题的能力，而不仅是回答问题- **建设评测与观测体系**- 搭建自动化评测、回测和观测体系- 推动效果持续收敛与可解释、可优化- **优化工程与性能**- 在高并发场景下打磨性能、稳定性和工程可用性- 让智能系统真正经得起「线上大规模业务」的考验简单来说，你做的不是「一个 AI demo」，而是面向**真实商业环境**的**智能系统工程**。---### 我们能提供什么？- **1）顶级模型基础**- 直接接入最先进的基础大模型能力- 不只是调用 API，而是有机会参与到体系化工程方案中- **2）算力和调用自由**- 少一点 quota 焦虑，多一点大胆实验- 我们希望你的想象力，不被 token 限制- **3）面向 AI 时代的成长路径**- 从「技术实现者」成长为「智能系统架构师」- 更看重你：定义问题、构建系统、推动技术价值落地的能力---### 我们在找什么样的你？#### 基础要求- **学历背景**- 2027 届应届毕业生- 计算机 / 软件工程 / 通信 / 人工智能等相关专业优先- **AI 编程工具重度玩家**- 熟练使用 Cursor、Claude Code 等- 具备较强的 Prompt 编写和调优能力- 有完整「项目级」开发经验，而不只是写过几段脚本- **理解 LLM 能力边界**- 知道模型擅长什么、不擅长什么- 知道什么时候该靠模型，什么时候该用确定性逻辑兜底- **熟悉常见大模型应用范式**- Context Engineering / Prompt Engineering- Agent 与工具/函数调用- 主流 Agent 框架（如 LangChain 等）- 对大模型幻觉、Prompt 注入等风险有基本的工程化应对思路- **扎实的代码和工程能力**- 至少在 Java / Python / JS 中的一种有深入实践- 能把想法落到稳定可维护的工程代码里#### 加分项- **有实际落地的 AI 应用 / Agent 项目**- 如 RAG、多智能体、MCP、Skill 等项目经验- **有可展示的成果**- 项目 / 实习成果 / 开源作品等- 在 Github、技术博客或技术社区有内容输出或一定影响力- **对 AI Infra 有一定理解**- 如 vLLM、Ollama、KV Cache、流式输出、延迟优化等相关经验或理解- **有相关理论或训练经验**- 具备一定 NLP / CV 理论基础- 或有 SFT、RL 等训练实践经验---### 我们特别看重的特质- **学得快**- 能啃论文，也能把想法写成工程代码落地- **动手能力强**- 不只会说，更愿意自己去做 demo / 做项目- **好奇心与想象力**- 能提出好问题，也能把问题拆解并解决- **对技术有审美**- 追求简洁、优雅、打动人心的技术方案- **高能动性**- 主动探索，不等任务「掉下来」- 愿意尝试新方向，也能对结果负责---### 如果你是这样的人，欢迎来聊如果你已经不满足于「调用一个 API 做个套壳应用」，如果你想真正参与构建 AI 在真实核心业务中的**系统级落地**，我们非常期待和你聊聊。**面向 27 届实习生，招募中。**感兴趣可以私信 / 评论区交流（也欢迎附上 GitHub、项目链接、个人介绍）。

大学生活的时间没有持续很长。湖北武汉的大学朋友大学三年级的时候问过我一个问题 “开车回家过年”。开车回家过年 怎么设计一个实体类。当时没有多想面向对象的OOP design 。大学二年级的时候回老家过暑假的时候也尝试看我堆数据库的连接情况是否了解。电子图书馆的成功设计就可以顺利毕业。蹲在老家的那一年坚持看他大学二年级给的企业老板的JavaEE教学录屏。学校教师教学方式和大学外面的工作方式有很大的差距。  坚持练习计算机技术的书籍课程源代码是很好的编程学习方式。时间长久才会可以看懂企业Java EE的一些工作代码的实现方式。自信与经验相辅相成。Practise Java source code ...