蔚来 AI 智能体应用研发一面:40 分钟里大半在写数学题
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 你这个系统的「智能」体现在哪里?看起来像是一个物联网项目?
- 这个项目是你个人搞的,还是你们师门搞的?
- 为什么过去没有企业实习的经历?
- 手撕:三道偏数学逻辑的算法题(非 Hot 100)。
- 本科硕士都是遥感,一直是这个专业对吧?岗位偏应用开发,放弃学了这么多年的专业知识,你怎么考虑?不干这行会不会觉得可惜?
- 你这个平台基于 Spring AI 封装了 XX,最大的创新点是什么?
- 反问。
《参考解析》
「智能体现在哪里」是这类岗位的开门题,答不好后面全歪。如果项目只是把用户输入拼进 prompt 再转发给大模型,面试官一句「那它和直接用 ChatGPT 有什么区别」就问穿了。能立住的答法是把智能拆成可验证的几层:输入侧有没有做意图识别与槽位抽取(而不是把所有话都丢给模型);编排侧有没有任务规划、工具选择、多步执行与状态保存(多轮追问时还能接上上文);执行侧有没有失败重试、超时降级、幂等(同一条指令重复下发不会重复执行);结果侧有没有评测与可观测(bad case 怎么回流)。每一层都给一句「我怎么做的 + 效果数字」,比形容词有用得多。至于「看起来像物联网项目」这种质疑,正确回应是承认数据源来自设备/传感侧,但把重点拉回「控制逻辑是由 Agent 决策的」——说清楚谁做决策、决策依据是什么。
「个人项目还是师门项目」和「为什么没有实习」是同一类背景核验。面试官在确认这段经历的含金量与你个人的贡献边界:答「师门项目」就要立刻补上「我负责哪一块、代码量多少、上线给谁用」;答「个人项目」则要能说清需求从哪来、有没有真实用户。没有企业实习不必辩解,把时间线讲清楚(什么阶段在做什么、为什么没去实习),再把项目深度与产出量化顶上,比空谈「我很想实习」有力。
三道偏数学逻辑的手撕题:这类题不考模板,考把文字条件翻译成递推或计数的能力,常见面是概率与期望、数论(gcd/质因数/取模快速幂)、模拟(按规则逐步推进)、矩阵与递推、位运算。准备方式不是再刷一遍 Hot 100,而是每类各写两三道「没有现成套路、必须先推公式」的题,练的是建模速度;面试时先花三十秒把样例算一遍、把边界(0、1、负数、溢出)说出来,再动手写。作者反馈这场 40 分钟一大半耗在手撕上,说明这类岗位对「现场推得动」的要求高于背题量。
「基于 Spring AI 封装,最大创新点是什么」:这题在分辨你是「调包」还是「做过框架层」。可以按 Spring AI 的能力面来答——统一 ChatModel/EmbeddingModel 适配多家模型、Advisor 链做请求前后处理、Tool/Function Calling 的注册与调用、ChatMemory 管会话记忆、结构化输出(把模型回复映射成对象)、以及 RAG 的 ETL pipeline 与向量库集成。创新点必须落在现有框架没解决或做得不好的地方,例如:多模型按成本/延迟路由、工具调用的幂等与超时治理、长流程任务的状态持久化与断点续跑、评测集与线上 bad case 的闭环。说清楚「改之前是什么样、改之后指标怎么变」,这题就成了加分题。
遥感专业转应用开发:这题不是要你表忠心,而是在评估转行的决心与技术底座。有效的结构是「专业给了我什么可迁移的能力(数据处理、建模、工程化脚本)→ 我在应用开发上补了什么(语言、框架、系统设计的具体证据)→ 我已经用这些能力做出了什么(项目、实习、产出)」。至于「放不放弃专业知识」,诚实回答更好:遥感方向与 AI 应用并不冲突,影像处理、多模态、时序分析都能接上,把「可惜」转成「我用它做过什么」。