下面按岗位通用必备 + 细分方向专精给你整理一套2026 年 AI 岗主流技术栈，从入门到就业全覆盖，不管校招社招都适用。 一、所有 AI 岗通用基础（必学） 1. 数学基础 • 线性代数：矩阵、向量、特征值、SVD、PCA • 概率论与统计：分布、期望、方差、贝叶斯、MLE/MAP • 微积分：梯度、偏导、链式法则、极值 • 最优化：梯度下降、Adam、SGD、LBFGS 2. 编程能力 • Python（主力语言） • 数据结构与算法：链表、树、图、动态规划、复杂度分析 • Linux 基础：命令行、环境部署、远程服务器 3. 机器学习基础 • 经典算法：LR、SVM、决策树、随机森林、G...

一面： 1.记忆模块是如何优化token使用量？2.记忆模块怎么实现自我进化能力？怎么提高agent能力聪明度？3.rag了解过吗？4.了解过最近很火的openclaw吗？5.java线程池中的核心参数？是如何使用和配置的？6.mysql索引失效常见的场景？7.讲解一下慢sql优化8.jwt和session的区别？9.缓存击穿、缓存穿透、缓存雪崩的含义以及对应解决方法10。项目过程中redis的持久化是如何做的？11.上下文窗口是怎么修剪和注入的呢？12.项目中遇到过了幻觉问题吗？遇到了哪些幻觉问题？如何处理？有没有根本性的解决方案？13分布式系统的数据一致性怎么解决？14.单例模式讲解一下？二面：1.在开发过程中担任的是什么角色？整体开发？2.context的窗口大小？是怎么优化的？3.平时用的ai coding工具？反问：如何看待vibe coding？如何看待现在就业市场？   产品思维更加重要。

1、讲讲什么是 RAGRAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它的核心思想不是只靠大模型参数里记住的知识回答问题，而是在回答之前，先去外部知识库里检索和当前问题相关的内容，再把检索结果作为上下文交给模型生成答案。完整流程一般分两部分。离线侧先做文档接入、清洗、切片、向量化和索引构建，把知识变成可检索的形式。在线侧收到用户问题后，先做 query 改写或纠错，再去知识库召回相关片段，必要时做 rerank 重排，最后把用户问题和证据一起送给模型生成。RAG 的价值主要有三个：让模型获得训练时没有的外部知识让知识更新不依赖重新训练模型让回答更容...

主要记录进入流程的公司乐信圣文  2.24笔试后没信了星辉游戏  3.17一面//没有笔试，而且就一轮面试？很难评库洛游戏  3.19评估中//等了好久终于进流程了，希望能收到笔试米哈游  待3.30线下面试//凑凑热闹，见见世面柠檬微趣  3.7简历挂叠纸游戏  3.11简历挂鹰角网络  3.11简历挂蛮啾网络  3.11简历挂//十五分钟挂简历最速传说，要求好高啊小鸡腾娱互动  3.18一面 3.24流程转为复试冰川网络  3.22笔试其他投递均未初筛或者泡死了春招小姐，对我好些吧