小红书安卓一面（已挂）

#牛友提问，有问必答#

秋招结束，前前后后面试了30多场，已经get3个大厂AI产品意向，还有3-4个在最后一轮流程中，算是积累了一些AI产品面试的方法论，分享给大家我最常被问的一个问题以及我的答案。【你觉得什么是一个好的AI产品？举例说明】第一，顺应基座模型，将壁垒建立在“上下文工程”上。目前市面上绝大多数AI应用，本质都是“基座大模型+上下文工程”的“套壳”产品。在模型能力本身无法自研超越的情况下，产品的真正价值在于如何获取并利用足够丰富的上下文。例如，AI会议纪要产品，如果能获取整个会议的完整音视频和参与者的笔记作为上下文，生成纪要的效果就会非常出色，相关产品有【Granola】【Plaud】。同时，这也是为什么硬件产品Looki让我觉得惊艳，它通过长时间记录用户第一视角的生活场景，为下游的视频剪辑、记忆辅助等服务提供了最丰富的上下文，这是它核心的逻辑。第二，打造真正有效“human-in-the-loop”，将产品无缝嵌入用户的工作流或生活流。一个好的AI产品不是要完全取代人，而是成为高效的协作者。现在很多产品的问题就在于，它们游离在用户已有的工作流之外，比如我作为一个学生和产品经理，日常的调研、写作、学习等任务，用Gemini或GPT在不同窗口间切换复制粘贴就能完成，现有的垂直应用并没有真正打通“端到端”的流程，无法让我形成付费依赖。第三，对时机Timing有精准的判断。一个好的产品不仅要看市场需求，也要认清技术边界。不能在错误的时间做正确的事，过于前卫的想法往往会失败。Cursor就是一个很好的例子，它在AIcoding这个赛道还未像今天这样火热时就已经入局，建立了先发优势，现在其他公司再想做一个同样的IDE，时机和成本都已不同。目前市面上很少有让我愿意付费的AI产品，不付费又何谈“好”。大部分所谓的AI功能，尤其是在一些成熟的大厂产品里，更像是“为了AI而AI”，并没有从核心商业指标或用户痛点出发。相比之下，我认为真正好的产品，要么像基座大模型一样，成为不可或缺的基础设施；要么像我提到的Looki那样，通过创新的软硬结合方式，在“上下文工程”上做到极致。

1. 自我介绍2. 手撕：非hot100原题，用二分搜索求解3. LightGBM原理4. XGboost与LightGBM的区别5. 了解transformer吗6. Q、K、V的含义是什么7. DIN模型了解吗？改进是什么呢8. 特征的维度，模型的具体参数9. 手撕：最高温度+二叉树的每一层最大值10.反问环节📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

开了字节开发岗小sp的水平，现在客户端还能去吗，社招前景怎么样，主要是游戏后端真的很累业务：素材管理，ai剪辑，ai成片，ai端侧模型落地做的是跨端，语言是rn强度：早九点半前，技术面面试官说正常七点多下班