腾讯AI 应用开发一面 暑期实习

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...

这次面试很有启发性. 了解到了很多不足.金融科技,暑期实习. 总时长30+ mins没有录音, 记了一些比较有印象的问题.介绍auto deployer的实现难点介绍motion graphic agent是什么, 架构是什么项目用的是把skill直接塞进系统提示词中,如果skill太多, 占用的上下文窗口太大, 怎么处理?如果两个skill 实际内容不一样, 但是description相似, 导致agent每次加载错skill, 怎么解决?agent设计你觉得最重要的部分  上下文工程上下文工程你觉得有哪些要注意的点?了解主流的agent设计吗?gemini cli设计你觉得最重要的部分gemini cli 你觉得可以优化的点multi agent 架构主流的实现方案multi agent的交流是靠什么手撕 判断有效括号反问面试官评价: 简历内容很多, 但是面试的过程中没有体现深入的点.大概是寄了这次面试异常的紧张, 第一次面大厂agent岗位, 还是我一直想去的腾讯. 脑子跟卡了一样. 问了几个不太会的问题就更紧张了. 唉. 下次应该会好点.

1、自我介绍2、项目介绍3、离线数据处理咋做的离线数据处理我一般会按“采集、清洗、标准化、切分、标注、校验、入库”这条链路来做。先把多来源数据接进来，比如文档、表格、对话日志、接口结果、历史工单，然后做编码统一、去重、去噪、脏字段修复和无效样本过滤。对于文本类数据，还要做特殊符号清理、HTML 去标签、分段切分、敏感信息脱敏和元信息补全。如果是训练数据，还会进一步做 schema 对齐，比如统一成 instruction / input / output，或者统一成多轮消息格式 messages=[{role, content}]。如果是 RAG 知识数据，就会做 chunk 切分、标题挂载、...

12月阴差阳错找到了一份实习。在这里都是做一些小需求，大部分是crud，偶尔能接触到redis那些，没什么技术亮点。第一次实习，也不太有能力接一些特别牛的需求。同事和其他实习生大部分是研究生比较多，来到这里学历更加不出众，没招了。来了之后才发现自己有多菜，很多开发流程和开发规范都不懂，经常会在一个地方卡很久，比如明明环境都配好了，为什么还是连不上服务？很多平台和框架都是自研的，代码上线的流程也非常严格。好在mt会解答我的问题，他平时也很忙，免不了会说我两句，但没办法不懂的只能问实习之后发现很多东西都是学校学不到的，这几年没参与过老师的项目，最多也只是看着黑马程序员自己敲一下代码。这段日常实习准备离职了，希望下一段实习能变得强一点吧，不要再是那种什么都要问的状态了