湖北 国企

面试很难，还是要多多练习AI coding笔试（30min一些八股：1.Attention的QKV怎么计算，WQ/WK/WV的形状2.MOE的路由机制，稀疏vs稠密3.KV Cache在prefill和decoding阶段的读写差异4.大模型幻觉怎么规避5.微调后出现复读机怎么排查6.SFT够用 vs 必须上DPO/RL怎么判断7.DPO损失函数的潜在问题8.KL散度在模型对齐里的作用9.接着问了google的TurboQuant kv cache10.项目深挖11.灾难性遗忘怎么解决等问题

应公司要求，最近我们部门部分岗位的面试开始正式考察AI Coding能力。面了十几场之后，发现了一些大家普遍存在的问题。很多同学被问到“有没有用过AI Coding工具”时，回答就停在“用过”两个字上。再追问“那你觉得它和Copilot有什么区别”“你在实际项目中遇到过什么问题”，就开始含糊了。还有不少同学把AI当成一个高级搜索引擎——问一句，拿一段代码，粘上去跑通就完事了，完全没有“协作”和“工程化”的意识。同学还不清楚面试官到底想考察什么。如果把时间拉回到2025年的暑期和秋招，这类问题当时还只出现在少数比较前沿的公司和团队里。但到了今年，它已经明显铺开了。原因其实也不复杂，因为很多公司都...

发点面经攒攒人品～1.实习内容拷打2.ReAct模式3.联合索引的底层,%like模糊匹配4.索引失效5.redis实现延迟消息的方式6.redis实现消息队列7.kafka增加分区要考虑什么8.kafka和redis实习消息队列分别的性能瓶颈9.手撕：大数组，元素范围1-10，要求顺序答应所有元素思路：hashMap统计每个数的出现次数，顺序打印

一、技术岗位（含 AI 相关方向）1. AI 应用开发 / 后端开发金山云考察重点：AI 工具在实际项目中的应用（代码生成、优化迭代）初创公司（上海 / 杭州）考察重点：AI 生成代码的流程设计、Prompt 编写、测试兜底美团考察重点：模型幻觉处理、RAG 优化、多模型对比阿里（通义灵码团队）考察重点：需求拆分、AI 代码架构设计腾讯（代码智能算法岗）考察重点：微调经验、AI 辅助编程实践附加技术栈：Redis / Kafka 消息队列、MySQL 调优、分布式系统（跨主机通信）2. 前端开发京东零售考察重点：AI 辅助开发（Vue/React + 页面生成、组件优化）蔚灵科技考察重点：框架通信机制、CSS 布局（Flex）、异步处理（Promise）3. 测试 / 测开OPPO考察重点：AI 生成测试用例的覆盖率优化、结果准确性验证蚂蚁（大模型评测岗）考察重点：RAG 检索、FunctionCall、Playwright MCP、WebSocket/SSE 区别二、非技术岗位AI 产品经理（多家公司）考察重点：SQL / Python 脚本的 AI 生成、自动化提效场景、用伪代码与研发对齐需求三、考察趋势速览实战派公司（允许面试中使用 AI 工具）字节跳动、美团研发派公司（聚焦 AI 编程工具本身开发）阿里（通义灵码）、腾讯（代码智能算法）、开放传神科技四、高频考察问题（供备考参考）实际项目中如何结合 AI Coding 进行优化？如何设计 AI 生成代码的流程与兜底方案？如何处理模型幻觉？如何优化 RAG 分块？有无微调经验？如何对比多个模型的效果？五、备考建议技术岗重点准备真实项目案例，突出 AI 工具带来的优化点以及解决的问题非技术岗突出 AI 提效场景，例如用 AI 生成 SQL / Python 脚本避坑提示：避免只回答“我会用 AI”，要展示问题拆解能力和结果验证方法。