杭州可见信号科技 AI应用实习生面经

#牛客AI配图神器#一、开场与个人介绍
1.你要不简单介绍一下你自己的个人的情况?
二、黑客松项目相关
2. 我看你参加过 Trae 的 AI 编程马拉松,黑客松得了一等奖,这是在你们学校范围内的还是全部社会公开化的范围内的一个黑客松?
3. 那你能介绍一下在这个黑客松上你们做了一些什么样的项目吗?
4. OK,你看过其他的,比如说一起参赛的人的其他的作品,你从他们的作品里面有学到一些什么样的东西吗?
5. 那整个黑松的过程中,是你跟其他人一起组队合作来完成你的作品,还是你完全独立完成?
三、AI编程工具使用与依赖
6. 那你平时比如说脱离于这个黑客松,你自己平时在编程的时候用的哪些模型多一点?
7. 我看你这里面你自己在有 AI 编程的辅助之前你自己有编程的经历或者习惯吗?
8. 那你怎么去保障 AI 所编程出来的东西不会有一些潜在的风险呢?
9. 我看了你的仓库里面有技术实现的一些文档,它这里面也做了一些选型和一些架构方面的考虑,你是怎么去判断它的选型是不是靠谱?它的实现是不是可被信赖的呢?
10. 那你有没有担心过可能是因为过多的去使用 AI 的辅助编程,导致你自己在技术的沉淀和深度上会遇到一些瓶颈,或者说是很难再去进一步成长的可能性。那你有想过要怎么去解决这个问题吗?你要怎么跟 AI 去共生?
四、技术深度与选型理解
11. 我针对你这个项目上的技术栈的选型,我问两个问题,第一个他是选了前端的框架是 Vue 3,在当前最流行的框架里面, Vue 3 是其中的一个,另外一个是React,你有去比较过 Vue 3 和 React 应该怎么去选择吗?或者它们的生态是怎么样的?
12. 比如说你的后端框架里面,你选了用 JWT 作为身份鉴权的一种方式,你有去进一步去了解 JWT 的,为什么这个世界上会有 JWT 诞生?它跟传统的这种用 Cookie 加 session 的方式会有什么不同吗?诶,你有深入地了解过比如说 JWT 的它是怎么样的一种机制吗?
五、Java项目与Python/Agent项目
13. 那像 Java 这一块你做的最复杂的项目是哪一个?
14. 云图库这个项目,那我可以把它简单地理解成这是一个图床吗?那你能讲一下它复杂的地方在哪里吗?
15. 从技术实现上来讲的话,更多还是 AI 帮你去实现了这部分的切块和上传的管理,对吗?
16. 因为我看你的简历里面还提到了有 Python 的一些经历,你用 Python 做过哪些事情吗?
17. 就是你下面这个情感顾问agent,那你介绍一下你的这个 agent 呗?他是比如说你是怎么做这个事?你的 agent 是怎么去分工协作它的整个这个实现的链路?从用户的最基本的输入到它整个这个链路里面,它做了什么事情最终给用户的一个输出,你能大概介绍一下它流程吗?
18. 那在这个过程里面你是用的 reaction 的方式来实现的吗?就是你的 agent 会反复思考来确定自己是不是已经满足用户的需求了吗?我可以理解成这是一个单步骤的一个 agent 吗?用户给了你一个输入以后,你先去把用户的请求发给了大模型,同时你也会告诉他大模型你现在可用的工具有哪些,注册的 MCP 服务有哪些?大模型给了你一次返回之后,你再去做一件什么样的事情?还是说你一次性的把所有的信息全部给了 AI 大模型,它一次性的就把最终给用户的结果反馈给你?
19. 或者说在这个过程中,你跟大模型的交互有几次?
20. 你说的内部是指大模型的内部吗?
21. 所中间这个过程是编排的,这些部分都是由 langchain 来帮你完成的吗?……那就是在你的代码里面,你去调用这个步骤,你的编码是只编了一次吗?
22. 那你觉得 langchain 跟 spring AI 相比,它有什么样的不同吗?
六、AI工具对比与模型评价
23. 那你觉得 Trae 跟 Workbody(CodeBuddy) 它们两个比起来,你觉得你怎么评价这两个工具呢?
24. CodeBuddy 它给你接入的模型有哪些啊?
25. 在你的使用中,你觉得这几个模型,从模型能力的角度上讲,你如果给它们排一个序的话,你觉得谁的编程能力会更强?
七、开源社区与工具使用
26. 你平时在 GitHub 上看那些开源的项目,你看得多吗?你最近在关注哪些新的项目?
27. 除了这个项目,你平时会关注很多吗?比如说开源社区的一些新的一些东西。
28. 那你一般通过什么样的渠道来了解这些信息呢?
29. 那你有哪些是你实际部署下来?真实在用的一些新的项目,或者你说几个?
30. 有没有哪一些开源的工具,你觉得是解决了你自己在生活或者在学业的过程中帮你解决了一些什么样的问题?(举例:反爬对抗等)
31. 那你觉得生产力工具方面,你有从开源社区里面得到哪些改变吗?(举例:终端工具PowerShell )
八、认知与职业规划
32. 好的。那你觉得你怎么理解工程师文化这 5 个字?#我的求职进度条##简历中的项目经历要怎么写##面试问题记录#
全部评论
老哥有后续吗
点赞 回复 分享
发布于 05-20 12:38 江苏

相关推荐

05-12 16:28
中南大学 Java
我是前几年毕业的Java后端,在互联网大厂卷了一段年CRUD后,去年成功转岗到AI应用层工程师。今天把踩过的坑和攒下的干货全掏出来,给想转型的兄弟们指条明路。第一步:先选对“跳板项目”,别一上来就啃论文很多兄弟转型失败,是因为一上来就想搞大模型训练,结果被数学和CUDA劝退。我的建议是:从“AI应用层”切入,用你现有的后端经验做跳板。我转型时做的第一个项目,是给公司内部的客服系统加“智能问答”功能。没碰训练,而是用LangChain搭了个RAG(检索增强生成)链路:用Elasticsearch做向量检索,调OpenAI的API生成回复,再用Java写接口对接前端。这个项目让我摸透了AI落地的核心——不是算法多牛,而是怎么把模型能力和业务场景结合。第二步:学习方法别“学院派”,要“项目驱动”我试过跟着Coursera的吴恩达课程学,结果学了3周还在推导梯度下降,根本用不上。后来换了方法:先学Python,别碰Java思维:Python的语法和Java完全不同,我花了2周刷《Python Crash Course》,重点学NumPy和Pandas,用来处理客服对话数据。框架只学PyTorch,别贪多:TensorFlow太臃肿,PyTorch更灵活。我跟着李沐的《动手学深度学习》视频,边看边敲代码,用PyTorch搭了个简单的文本分类模型,识别用户问题是“投诉”还是“咨询”。数学够用就行:线性代数我只学了矩阵运算(用来理解向量检索),概率统计只学了贝叶斯定理(用来做意图识别),微积分就看了梯度下降的动画演示,没推导公式。第三步:资料来源要“接地气”,别迷信顶会论文我转型时看的资料里,最有用的不是论文,而是:GitHub上的开源项目:比如LangChain的官方文档,里面有大量RAG的实战案例,直接抄作业改业务逻辑。B站的实战视频:比如“AI应用开发实战”系列,手把手教怎么用FastAPI部署模型,比看书快10倍。行业报告:比如艾瑞咨询的《AI应用层发展报告》,了解哪些场景(客服、营销、办公)最需要AI工程师,避免学完找不到方向。第四步:求职时别硬刚“算法岗”,瞄准“AI应用工程师”我投简历时,避开了要求“精通Transformer”的算法岗,专门找“AI应用工程师”“AI后端开发”这类岗位。面试时,我没聊模型原理,而是重点讲:怎么解决RAG的“知识滞后”问题:我用Elasticsearch的增量索引,让客服系统能实时更新产品文档。怎么优化API调用成本:通过缓存高频问题的回复,把OpenAI的调用次数减少了40%。怎么设计Agent的工作流:把用户问题拆成“意图识别→知识检索→回复生成”三个步骤,用Java的状态机实现。这些内容都是后端工程师能理解的,面试官一听就知道我不是“纸上谈兵”。最后说句掏心窝的话转型AI不是“抛弃过去”,而是“升级技能”。后端经验里的系统设计、接口开发、性能优化,在AI应用层全是香饽饽。别焦虑“没学过算法”,先从小项目做起,用业务场景倒逼自己学技术,6个月足够你从“CRUD”变成“AI工程师”。
点赞 评论 收藏
分享
评论
4
5
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务