商汤分布式存储实习生一面

1 月 20 号的机试，今天（2 月 10 日）才面试。先说我自己，c9本科应届生，成绩年级倒数前十。经历写的有高中时候的信息学竞赛，省一省二；大一一个水课，老师分享个课题给我们体验一下流程的一个课题，当时随便做的，简历也写上去；毕业论文。说白了就是简历空空。机考选择题统统不会，编程题三道对一错一，挺简单的只是当时不熟 python 还拿 python 写导致不太行。面试一开始定的 1 月 26 日，我说我没空，让安排到 28 号， 谁知华子也拖着拖着直到今天。时间紧 ，任务重，早上专业一二面，下午主管面。专业一面面试官人很好，一直在笑。自我介绍。问了老家哪里的，高考多少分。然后问竞赛，面试官...

1月5日的面试，时长1.5h操作系统：线程进程，进程通信，Java线程模型网络：TCP握手挥手，什么情况可以三报文挥手JVM特性实习项目有何意义，为啥造轮子（我说为了给我找个事干）笔试写了一个leetcode56我还写错了，没有让我运行也没有让我讲思路

牛友们注意了，能写进简历的 AI 项目，至少得满足这三点：第一，有明确的任务场景和输入输出第二，系统可自动运行，无需人力维护第三，解决了某个实际问题很多人做了个小 AI demo，就急着在简历上写 “主导某某 Agent 系统”，结果一面聊下来，项目既不成型、跑不通，更谈不上闭环。我招人看项目经历时就遇到过这种情况：有个同学写了 “多轮对话 Agent 系统”，但被问到 “系统在哪用？触发条件是什么？对话上下文怎么保存？Agent 之间怎么分配任务？” 时完全答不上来 —— 其实这个系统就一段 prompt，用户每次都要手动输入一串命令，根本没有完整流程，更谈不上调度。反过来，另一个看起来没那么 “技术炫酷” 的项目反而更亮眼：一个 AI 写 OKR 的小工具。针对公司每季度填 OKR 的需求，这位同学写了个不到 200 行代码的小服务，只需上传本季度的工作内容，就能自动拆分为多个目标，还能输出三种版本（自我驱动、结果导向、量化可追踪），甚至支持风格转换（偏运营、偏产品、偏技术），能跑、能用、还能灵活修改。显然后者更值得写进简历。真正有价值的 AI 项目，不在于你集成了多少模型、用了多少工具，而在于你是否跑通了完整任务流程，交付了一个能解决实际问题的系统 —— 工具可以借鉴，但核心逻辑必须是自己琢磨出来的。

前段时间面的，40分钟左右，写下面经攒攒人品1.实习介绍2.项目拷打3.LangGraph相比于LangChain有什么优势？LangGraph的状态快照机制了解吗，大概是怎么实现的？你的向量记忆库是如何更新用户画像的？如何区分短期记忆和长期记忆？ 安全护栏是如何实现敏感词拦截的？4. 在RAG中，文档切片的粒度如何选择？5. 向量数据库索引中，IVF_FLAT和HNSW有什么区别？各自的适用场景？6. 什么是CoT？为什么它能提高模型处理复杂任务的能力？7. 大模型应用中常见的幻觉有哪些类型？在工程上如何缓解？8.介绍一下Function Call的流程，模型是如何知道该调用哪个工具的？9.介绍一下vLLM中PagedAttention的原理10. Python中列表和元组的区别11.介绍一下Python中的装饰器及其应用场景12.HTTP协议中GET和POST请求的区别？13.手撕：无重复字符的最长子串