凯捷JTP虎耀后端方向面试经历

2026年5月7日,投递简历大概是陆陆续续的,前段时间就开始投了10几份了,当时还用的是boss的默认打招呼方式,不出所料一个要简历的没有,后面就是昨天五一假期刚过完,学习状态还没有调整过来,五一爽玩了五天,心血来潮就投了几份简历大概是下午三四点钟投的,这个点hr在线的也多,哦对,我的简历项目也重新换了俩个,原本是黑马点评+拼团的,现在变成ai Agent+拼团了,黑马点评也是网上抄的,但是这个我自己不是很能讲的出来,他描述的我都没有学,当时看视频我就看到了高级篇就结束了,后面的更厉害的都没有学,所以我自己没感觉拿不出手,刚好自己跟着xfg学习的ai Agent也快结束了,而且刚好在我逛qq频道的时候看到一个师出同门的,我直接copy了一下,再冲了一个牛客上面的简历制作的vip,真的不想花时间去这找那找的了,出来的效果也还不错,硬要说的话就是我的项目都不是真正的部署成功的,我自己运行总是有一些小bug让我举步维艰,就像mcp服务sse的部署,我一直没有搞清楚其中的关系,这里跳过了也就罢了,但是后面学习的时候又回重新用到这个知识点,像这个云部署一直是我的痛点,困扰我很久很久了,总之就是这个ai项目我也是半吊子说实话,最近是学到elk卡住了,没招,说会面试,收到邀面我是很惊喜的,没想到就是我才开始投了大概50份就收到腾讯会议邀面,我还在想20分钟能聊些什么,网上动不动都是一个小时2个小时,我这个就只有20分钟,hr也是人事主管是个30多的姐姐,坐着真是有那种范儿,收到面试的时候我真的感觉自己的运气真的很好,但是我自己准备并不是很好,五一五天都是玩过去的,本身公司就是ai辅助开发,面试官让我选个项目去聊,那我肯定选择ai这个项目,这个其实我也准备了,当时是问的千问,给了我一份项目介绍,很短很短,总共就50字不到,我自己又想着加点自己的东西,就是说的磕磕绊绊,自己都想给自己打0分,但是她先是让我来了个自我介绍,再是俩个项目选一个介绍,我自己介绍完了后,她一点别的东西没有问,就是嗯了一声,很多项目的重难点我都没有讲,我怎么实现的,什么责任链,策略模式,我都没有说,我就结束了,她也没问,我服了,吃了第一次聊项目的亏,其实后面我也补了一句要聊一些这个项目的重难点吗,她没有表示,我也就没有说,想着面试官来问也是一样的,忘记说了,这个岗位是Ai coding实习生,这也是为什么我去选择这个半吊子项目去说,面试官跟知道我准备一般一样,就啥也没问了,一点下文没有,后面就跟面试收尾一样,问了一下,我关于ai的理解,我回主要还是以大数据为主然后进行的搜索,我个人是怎么理解的,虽然是错的,也没有多说什么,然后又问我,关于公司知道我来是来干什么,我说就是以ai辅助软件开发,就是我回答的所有东西都很浅,我是要主动甩出自己的高光点吗,受不了,感觉整场面试都非常浅,又问了平时用什么ai工具开发,我说trae,cursor,千问,还问我给我个需求,我怎么去完成,我说用市面上的ai先帮我去理解这个需求,再给我生成提示词,再给cursor trae这些帮我生成代码,人工审查有没有问题啥的,就是这样的,面试面的非常快,我简历上面的东西都没问,还问我大数据专业前景是啥,java是课后学的吗?我说数据分析师我不是很看好就自己学的java,我是踩到什么雷区了吗?11点01面试开始,07就结束了,…..第一次就这么草率吗,事已至此,收收心情吧,半个月我要把这个ai项目吃透再次投boss,再挑战一下,简历也需要优化一下,学历属实没找,只能再项目上多投入点时间,

暑期实习的 C++ 面试，很多同学最大的感受不是“不会”，而是“知道一点，但说不顺”。所以准备八股文，重点不是把每个知识点背成定义，而是把常见问题练成一套能稳定输出的回答。面试官通常不会要求你像教材一样精确复述，但会很在意你是否理解概念、能不能举例、能不能说出实际使用场景。这篇文章就按“实习面试最常问、最值得优先准备”的思路来梳理。你不需要一开始就追求全覆盖，先把高频内容吃透，再慢慢扩展，效果会好很多。一、先搞清楚：C++暑期实习主要考什么C++ 实习面试通常不是单独考语言本身，而是几块内容混在一起问：C++ 语言基础面向对象内存管理STL 和常用容器智能指针多态、虚函数、继承右值引用、移动语...

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.拷打实习3.拷打第一个项目：MinerU解析过程中如果遇到跨页表格，如何保证表格语义的完整性？讲一下Ragas评测？如果Answer Relevance得分低，如何判断是检索质量问题还是模型能力问题？4.拷打第二个项目：LangGraph中的State是如何定义和流转的？如果任务节点非常多，如何防止状态对象过大导致内存溢出？你的长期记忆库如何将多轮对话中的信息提炼成结构化的用户画像存到向量库？5.文档切片时，overlap的作用是什么？如何平衡分片大小与上下文完整性？6.了解GraphRAG吗？介绍一下7.当GraphRAG召回大量关联信息后，如何用自反思或CoT在生成阶段过滤掉检索噪声？8.讲一下ReAct的原理，为什么能提升模型对复杂任务的理解能力？9.如果模型在调用工具时产生了参数幻觉或语法错误，通常采取哪些自动修正手段？10.什么是Multi-Agent系统中的中心化编排模式？相比于点对点有什么优势？11.讲一下Agent的Self-Reflection，它是如何识别输出中的逻辑错误的？12.如何设计Agent的长期记忆？13.在执行涉及支付等高敏感操作时，如何实现Human-in-the-loop的干预流程？14.如何设计一个Skill？大概讲一下15.对比一下Skill和MCP的区别16.OpenClaw如何增强Agent对本地文件系统和代码执行环境的感知与操作权限？17.你如何理解Vibe Coding？有什么经验吗？18.如何确保自然语言描述的任务逻辑能够转化为可靠的执行路径？19.什么是上下文缓存？它在处理Agent频繁读取的冗余系统指令时有哪些优势？

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...