美团后端笔试

一、什么是AICoding考察？不是写复杂代码！美团会给出一个贴近真实生活/学习场景的小命题，你可以借助AI工具，用自然语言快速做出一个功能、页面或产品Demo。没有技术背景也能上手。二、哪些岗位会收到AICoding考察？【转正实习】产品经理【转正实习生】AI产品经理此外，部分校招岗位也可能在面试前或面试中设置AICoding题目，牛友们记得及时留意邮件通知。三、出题形式（3种）伴随笔试一起发面试官邀约面试时出题面试过程中实时出题具体形式以实际收到的邮件为准~四、AICoding和笔试的关系？二者不互相替代。你必须先有笔试成绩，才能进入后续面试环节。AICoding作品是额外加分项。五、时间限制与迭代机制统一出题：48小时内提交作品链接提交后仍可在NoCode或其他平台继续优化，重新部署更新即可其余出题形式以邮件或面试官要求为准六、面试官会看到作品吗？会！你的AICoding作品会呈现给面试官，并可能在面试环节中讨论：设计思路作答细节未来的迭代方向七、考察核心是什么？（重点）目标不是找会写代码的产品经理，而是通过AICoding考察你的产品思维。评分维度：✅需求理解✅产品设计✅审美品味✅迭代意识三大评分标准：创新性实用性完整性好作品≠只是能运行更要有：清晰思路+贴合场景的设计+细节感八、搭建流程小技巧推荐分步走：先确定页面布局再跑通本地交互再接入数据库最后优化细节+一键部署九、推荐工具任意AICoding工具（自然语言生成代码/页面）或使用美团自研的零代码AI编程工具：NoCode

哔哩哔哩大模型面试岗，我悟了！！！大家好，我是Yuki。周末跟一个在B站面试大模型算法实习岗的学员聊了整整两个小时，他说这场面试让他“一边冒汗一边开窍”。我让他把面试题完整复述了一遍，今天就把这场高质量的技术对话分享给大家。说实话，这几道题问得是真有水平——不是那种背八股文能应付的，而是实打实考察你做项目的深度和思考力。面试复盘：一场关于Agent的技术拷问第一关：你现在做的Agent到底是什么？面试官开门见山，没有废话。如果你回答“就是一个能调用工具的AI”，那基本就凉了。面试官要听的是：你对自己做的事情有没有系统性的理解。正确的打开方式是这样的：“我负责的是一个面向科研场景的辅助Agent...

今天华为发了笔试通知，然后我直接点了同意；但是刷完题发现，考的更像是机器学习之类的，现在点放弃来得及吗？   求求人，告诉一下孩子吧

1. 请做个自我介绍，包括你的个人背景、大学经历或实习经历。同时，我们作为一家拥抱新技术的公司，也特别想了解像 AI 大模型这类新工具是如何融入你的学习和实践中的，给你的经历带来了哪些帮助或变化？2. 你提到在项目中使用了 AI 大模型，比如 LLM 进行热点话题的命名，这个过程具体是怎么设计的呢？你是如何确保命名的准确性或者提升模型效果的？3. 请你解释一下正向代理和反向代理的区别，以及它们各自的应用场景。4. 正向代理和反向代理其实是网络中的两种代理机制，而不是直接和代码中的动态代理相关。我们再深入一点聊聊吧。正向代理通常是客户端通过代理服务器访问目标服务器，你能不能举一个具体的例子，说明正向代理在实际网络场景中的应用，比如它解决了什么问题？5. 你提到正向代理可以用于数据分流和解决高并发场景下目标服务器的压力，这可能更接近负载均衡或反向代理的功能。正向代理的核心作用，其实是帮助客户端访问目标服务器，比如绕过访问限制或隐藏客户端的真实身份。接下来我想问你，在正向代理的工作过程中，客户端和目标服务器之间的通信是如何通过代理服务器进行的？代理服务器在这个过程中具体扮演了什么角色？6. 请你解释一下 Java 中检查异常和非检查异常的区别，以及它们在设计上的规范和使用场景。7. 检查异常需要在代码中显式处理，比如通过 try-catch 或 throws 声明，而非检查异常则不强制要求处理。你能举一个具体的例子，说明检查异常或非检查异常在实际开发中的应用场景吗？8. 在设计一个方法时，如何决定是抛出检查异常还是非检查异常？你认为这两者的选择会对代码的可维护性和使用者的体验产生什么影响？9. 请你谈谈在 SQL 查询优化中常用的方法有哪些？10. 如果在实际场景中发现某条查询已经建立了索引，但执行速度仍然很慢，你会如何进一步排查问题？11. 如果数据量确实过大，分库分表是一个解决方案，但在分库分表之前，你会如何评估分库分表的必要性，以及如何设计分库分表的策略？12. 如何设计一个在线租赁平台，包括用户、商品和租赁交易的管理？13. 关于租赁交易的管理，你提到记录交易的时间和相关联的用户与商品。能否具体说明如何处理租赁周期的管理，比如租赁开始和结束时间的逻辑设计？14. 如果多个租赁交易同时接近过期时间，定时任务的执行效率可能会受到影响。你会如何优化这种场景下的处理逻辑？15. 大模型服务经常需要多供应商或多模型兜底，后端如何设计统一的模型网关，支持模型选择、回退策略、配额管理，以及不同供应商返回格式的兼容？16. 你提到的回退给下一个模型，具体是如何实现的？比如说如何定义下一个模型的选择规则？17. 如果某些模型的性能或者响应时间差异较大，如何在这个设计中动态调整模型的优先级或者选择策略呢？18. 请描述一次你遇到的复杂问题，你是如何识别出问题的根本原因的，请举例说明。19. 在你识别问题根本原因的过程中，你具体是如何确认问题出在数据传递环节，而不是其他环节，比如前端代码逻辑或后端接口设计？你是通过什么方法或工具来定位这个问题的？20. 请描述你的疑问或体验中遇到的问题。