面灵AI→

快手秋招 AI 全栈一面:项目亮点、Doris 选型与 AI Coding 现场题

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 你做的项目挺多的,挑一个相对来讲最有技术亮点的展开讲一下,包括背景、你的职责,以及获得了怎样的收益。
  3. 从脚本改为平台自动化出数,这个方案是已经确定好交到你手上执行的,是吧?
  4. 除了缩短了出数时间,还有其他维度的收益吗?
  5. 我听你提到了 Doris 这样一个数据存储方案,这是大概怎样一个调研过程?你是怎么想到用这个方案的?
  6. 你现在的开发中,代码是手写比较多还是用 Coding Agent 比较多?
  7. 你是怎么理解 MCP 和 Skill 的?
  8. 你可以给我讲三个你最近了解到的 AI 方面的知识或者新闻吗?
  9. AI Coding 题:电商搜索接口响应校验器。
  10. 反问。

《参考解析》

「挑一个最有技术亮点的项目」这题考的是取舍能力。不要挑最大最全的那个,要挑「有明确问题、有你的判断、有可量化收益」的那个。叙述结构固定成四段:背景(原来是什么状态、痛点是什么)→ 你的职责(哪些是你做的、哪些不是你做的,边界要说清)→ 关键决策(为什么选这个方案、放弃了什么)→ 收益(用数字,且要说明数字是怎么测的)。第三段是区分度所在,只讲「我做了什么」不讲「为什么这么做」的答案在任何一面都会显得单薄。

「方案是已经确定好交给你执行的吧」是一道诚实性测试。面试官在探你到底参没参与决策。如果是别人定好的,就直说,然后补上你在这个既定方案里做的判断(怎么落地、遇到什么偏差、怎么调整);如果确实是你提的,就要能讲出当时对比了哪些方案、为什么否掉另外几个。含糊其辞或者把别人的方案说成自己的,一追问就露。

「除了缩短出数时间,还有其他维度的收益吗」考的是价值视角的广度。可答的维度:人力(原来需要几个人每天盯,现在零人工)、稳定性(原来人工容易漏,自动化后口径统一、可追溯)、时效(从 T+1 到小时级,业务能当天决策)、可复用(同一套平台支撑了后面 N 个报表需求)、以及质量(口径统一后,不同报表之间不再对不上账)。能想到「口径统一」这一层的候选人不多。

Doris 的选型要说得像一个真实的决策过程。合理的叙述是:先列约束(数据量、查询模式是点查还是聚合、写入频率、要不要支持明细查询、团队运维能力、成本),再列候选(ClickHouse、Doris、StarRocks、Druid、以及直接用 MySQL 加索引),然后逐项对比——ClickHouse 单表聚合极快但 join 弱、运维复杂;Doris 的 MPP 架构支持多表 join 和明细查询,FE/BE 分离,对 SQL 兼容性好;StarRocks 在 Doris 基础上做了向量化和 CBO 的加强。最后给出决策依据和事后验证(上线后的查询延迟、成本、遇到的问题)。如果实际是别人选的,就讲你在这个选择上做了什么验证。

手写代码与 Coding Agent 的比例这题,诚实且有判断最好。可以讲清楚分工:脚手架、样板代码、单测、数据转换这类交给 Agent;涉及核心业务逻辑、并发、边界条件的自己写;以及最重要的——review 的环节不能省。面试官真正想听的是你有没有形成一套可靠的工作方式,而不是比例数字。

MCP 与 Skill 的区别:MCP 是一套协议,标准化了「模型怎么发现工具、怎么调用、怎么拿回结构化结果」,解决的是工具接入的互操作问题;工具列表通常常驻上下文,工具一多就吃 token。Skill 是按需加载的知识包,平时只有一行描述占位,命中时才把完整内容读进上下文,Token 开销在常态下更低,代价是多一次读取往返。前者管「能做什么」,后者管「怎么做」。

「讲三个最近的 AI 知识或新闻」这题在测信息面。回答时挑三类不同的东西:一个模型或能力进展、一个工程实践(比如某个 Agent 框架或协议的变化)、一个产业侧的事件。每一条都说清「是什么 + 为什么重要 + 和你做的方向有什么关系」,不要只报标题。

现场 AI Coding 题「电商搜索接口响应校验器」,考的是把模糊需求变成可验证规格的能力。动手前先确认几件事:输入是什么(接口响应样例?还是一组期望?)、校验哪些维度(字段存在性、类型、取值范围、分页一致性、排序单调性)、失败时怎么报告(抛异常还是返回结构化结果)、以及要不要可配置。然后按「定义模型 → 写校验规则 → 加测试」的顺序做。这类题评分点通常不在代码写得多快,而在你有没有先想清楚边界——比如空结果集、字段缺失、数值越界、以及排序规则在打分相同时的稳定性。

环境准备要提前。那位同学在这道题上出糗的原因是本地 Python 是 3.8.6,而题目要求的框架需要 3.10+,光配环境就浪费了大量时间。AI Coding 现场题的通病是依赖下载和版本冲突,面试前把常用语言的多版本管理、包管理器镜像配好,是性价比最高的一件事。