面灵AI→

字节跳动后端 / Agent HR 面 33 问:能力复用、AI 用量与转方向意愿

轮次
HR 面
时间
2026-11
来源
牛客网

《面试题目》

开场与实习经历

  1. 做一个简短的整体自我介绍,突出自己的重点经历。
  2. 京东实习是否主要在具体体系下做 AI 相关工作?
  3. 宏观介绍 AI 产品、模块和产品升级思路。
  4. 具体沉淀了哪些能力,如何避免各功能重复、分散地对接模型?
  5. 哪些能力可以复用到当前项目之外的场景?
  6. 你个人参与了其中哪一部分?
  7. 哪些工作挑战较大,对自己的成长帮助最多?
  8. 有哪些问题是自己主动发现、主动推进解决的?
  9. 如何评价现阶段你们做的产品?

AI 工具与个人项目

  1. 工作之外,日常在哪些场景使用 AI?
  2. 使用 AI 时,如何处理幻觉和消耗过快的问题?有什么技巧?
  3. 日常更多使用 Claude、Cursor,还是其他产品?
  4. 大概有多少使用量,Plus 是否够用,是否需要其他资源?
  5. Pro 是否够用,实际开发中大概消耗到什么程度?
  6. 桌面专注工具是什么产品?还有哪些个人小项目?
  7. 项目会放到 GitHub 开源吗?
  8. 这些开源工具的关注度、Star 情况怎么样?

非研发同学使用 AI

  1. 对于没有开发背景的人,有什么使用 AI 做产品或工具的建议?
  2. 平时是否帮助非研发同学学习 AI,或者进行知识分享?

系统方向与学习成本

  1. 目前团队更偏 xx 系统,你对这个领域感兴趣吗?
  2. xx 领域知识较垂直、学习成本较高,能否接受?

学业与个人优势

  1. 目前是研几?
  2. 是否通过考研进入南京大学?
  3. 本科成绩怎么样?
  4. 当时是否因为成绩没有选择保研?
  5. 硕士成绩和排名怎么样?
  6. 是否有发表论文?
  7. 还有哪些亮点、优势?作为校招生,团队为什么选择你?
  8. 有没有测过 MBTI,是什么类型?

收尾确认

  1. 上海的工作地点是否可以接受?
  2. 近期校招进度如何,已经拿到哪些意向?
  3. 其他在推进的公司有哪些,是否有特别想去的机会?
  4. 从学生视角,如何看待今年校招市场和竞争情况?

《参考解析》

自我介绍怎么组织:HR 面只有一次自述机会,按「当前身份与方向、最相关的一段经历、可迁移的能力、为什么投这个岗位」四段讲,控制在两分钟。重点经历要与岗位同向:投后端与 Agent,就突出服务端工程与模型接入,而不是罗列课程。避免复述简历时间线,HR 手上已有简历,需要补的是简历上看不出的判断与结果。

能力沉淀与复用:这题考的是平台视角。可复用的能力通常分三层:模型接入层统一鉴权、限流、重试、多模型路由与降级;编排层负责工具注册、上下文管理与任务状态机;评测层负责固定数据集、离线回归与线上采样。每一层都在消除一类重复问题——没有接入层时,各功能各写一套 SDK 与重试逻辑,故障无法统一排查;建成之后,新增一个功能只需写业务工具与提示词。回答时要指出自己建的是哪一层,以及复用带来的具体变化。

主动发现并解决的问题:按「现象、定位、方案、结果」讲,重点在「主动」——不是被分配的模块,而是从监控、用户反馈或数据里自己看出来的问题。要给出可核查的证据,例如错误率、耗时、人工介入次数的变化,并说明推进过程中说服了谁、绕开了什么限制。只讲「我发现了问题」而不讲落地结果,会被当成只有观察没有推动力。

怎么评价自己做的产品:先给定位,说清给谁解决什么问题;再给现状,哪些环节已经跑通、哪些仍靠人工兜底;最后给自己的判断,下一步最该补什么。避免只说「很好用」,也避免只挑毛病——这一题看的是产品意识与主人翁心态,能指出短板并给出优先级,比一味褒扬更可信。

日常 AI 使用与幻觉、额度消耗:幻觉的处理按场景分层:查事实时要求给出来源并交叉验证,写代码时以编译、测试、类型检查作为事实边界,做长任务时把中间结果落盘以便回查。额度控制的关键是分层用模型:探索与改写用低档模型或低思考等级,难题与关键代码才用高档;长上下文用摘要与检索代替全量粘贴;把重复出现的提示词固化成模板,减少试错轮次。这些都是可复述的具体做法,比「注意 prompt 质量」有信息量。

个人小工具与开源:讲清一个具体产品:解决谁的什么问题、核心技术选型、最难的一段、现在有多少人在用。Star 数量少不必回避,可以说清项目起初是自用工具,开源是为了复用与留痕;如果有外部使用者提出的 issue 或被他人引用,这类证据比 Star 更能说明价值。避免罗列一堆半成品,挑一个能讲透的。

给非研发同学的建议:从「想法能不能被验证」入手:先找一件自己每天都在做、重复且规则明确的事,用现成工具跑通一次,再考虑做成产品。给出可执行的起步路径——选工具、写清楚输入与期望输出、小步验证、保留失败样例;同时说明边界:模型不负责事实准确性,输出必须有人复核,涉及对外发布与数据操作的要留人工确认。

垂直领域的学习成本:先承认成本,再给已经做过的准备(读过哪些资料、做过什么同类系统、向团队问过哪些问题),最后给学习路径:先跟一个完整需求走完一遍,再补领域概念与术语。不要只说「我学得快」,也不要假装已经懂——HR 追问细节时,含糊的回答比承认不会更减分。

地点、进展与校招市场:工作地点给明确答复与理由,不要用「都可以」敷衍。进展如实说手里有什么、在流程中的有哪些,不贬低其他公司,也不虚构意向。校招市场的问题给观察与自己的应对,例如投递结构如何分布、准备方式做了哪些调整,避免泛泛谈「很卷」。