得物AI应用开发二面-实习面经

简历挂，笔试挂，面试挂，只有两个流程在推进，一个京东一个腾讯，都约后天三面。希望一切顺利。。刷到了腾讯把我挂了的部门，有个佬拿offer了，找工作就是如此吧。。一切都是安排。

今年秋招开始，感觉很多公司都上了AI面试，而且几乎都是第一关，就要面对AI 。虽然但是，面得多了就摸清套路了。AI面本质是个无情的特征提取器，问题就三大类：1.行为特征题：必考！“分享一次你带领团队完成目标的经历”。它不是在听故事，是在抓取“领导力”、“协作”、“结果导向”等关键词，并分析你的表达结构是否清晰。一定用STAR法则提前写好稿子，对着摄像头练到面无表情也能流畅说完。 2.情景压力题：“如果和同事发生严重分歧，怎么办？” 它评估你的应对模式和价值观。回答要体现“职业化”和“建设性”——先沟通，再对齐目标，最后找解决方案。切忌情绪化抱怨。 3.岗位匹配题：“你为什么适合这个岗位？” 它...

RAG与知识库构建● RAG知识库中存入的向量数据来源于哪里？● 你的文本分块（Chunking）具体是怎么做的？● 深度追问： 如果让你重新设计一个RAG系统，你了解哪些文档分块的最佳实践（比如单一窗口切多大合适）？● 深度追问： 如果采用“大分块+小分块”的父子结构策略，几万字文档的大分块具体要怎么切出来？● 深度追问： 采用固定大小切分时，如何避免语义被割裂？Agent记忆管理（短期与长期记忆）● 短期记忆是如何实现的？● 深度追问： 当对话达到设定的5轮并进行了一次压缩后，如果后续对话继续增加（第6、7、8轮...），你的系统是如何再次处理和压缩这些上下文的？● 长期记忆是如何实现的？● 深度追问： 选择在什么时机进行长期记忆的持久化保存？● 深度追问： 如果用户在同一个Session中聊了完全不同的多个话题，你在压缩总结并存入向量库之前，会如何设计提示词（Prompt）？为什么必须要做这一步总结提炼？● 深度追问： 长期记忆成功保存后，后续的具体使用场景和机制是什么？存储在哪里？系统架构与工程化挑战● 从前端到后端，你是如何准确判断和捕获Session关闭的触发时机（特别是用户直接关闭浏览器页面的情况）的？● 在执行长期记忆的持久化时，如何保证数据库写入一定成功（例如遇到报错、需要重试时如何处理以防止记忆丢失）？● 你的项目集成了哪些MCP（Model Context Protocol）工具？ELK和Prometheus是如何协同工作的？● 你的Agent是只能被动响应用户的提问，还是能做到主动发现异常并给出提示/解决方案？● 场景题： 如果抛给你一条执行非常慢的SQL语句，你的Agent从头到尾的分析和处理链路是怎样的？AI编程工具的日常实践● 平时写代码在用什么IDE和AI模型？● 使用Cursor时，有什么最佳实践能让生成的代码更加准确？● 深度追问： 开发前的需求分析是你自己做，还是借助AI来做？● 深度追问： 在让Cursor最终修改代码前，生成的代码是以什么样的“中间态”交给你进行Review的？● 深度追问： 使用Cursor时，有没有自定义过相关的规则文件（如 .cursorrules）？

投递岗位：后端开发/agent各平台沟通情况：boss1500+，猎聘200+，智联200+，网申60+。面试情况：约面30+，简历挂10+，小厂oc4家，中大厂oc2家，周五准备入职，不能等了，边面边投吧。面经不再赘述，就写一些我的面试感受和一些小经验吧：对于小厂，遇到的基本上就一轮面，30min左右面试时间，个别会考察代码，其他的话多结合八股来考察，也不会很深，你只要不紧张，发挥稳定，基本上就oc了。对于中大厂，多轮面试，我分为技术面和HR面来说说吧。技术面的话一般是八股+算法，同时公司规模越大，对项目考察度越深，具体到某个技术在你项目的应用，为什么使用这个技术，某个环节出了问题引发了什么...