AI Coding 面试题
共 97 篇真实面经 · 涵盖 百度 / BIGO / 携程 / 古茗 / 科大讯飞 等 41 家公司
百度 Agent 开发 一面:代码生成平台的编译隔离与优惠券超卖
百度 Agent 开发一面 45 分钟纯项目拷打:Vue 代码生成后如何编译预览、多用户端口与资源、提示词增强与 Skills、workflow 到 ReAct 多智能体的演进,以及优惠券超卖与幂等。
BIGO 客户端开发一面:JVM、线程池、HTTPS 与列表复用
BIGO 客户端开发一面(11 月 9 日,67 分钟),先深挖快手 K 歌数字人 / MV 生成项目:业务流程与个人职责、照片与音频从哪来、是否分段上传、客户端与服务端边界、怎么确认上传完成与生成任务完成;随后是 Java 与 Android 基础:JVM 运行时内存区域、StackOverflowError 与 OutOfMemoryError、HashMap 与 TreeMap、哈希冲突、进程与线程、共享计数器加一的原子性、线程池参数与 1000 并发请求、HTTPS 请求的完整过程、列表快速滚动时头像错位与旧请求污染复用视图;再问日常怎么用 AI Coding / Agent / Skill 与如何验证;手撕是 O(1) 空间判断链表有环并求环长、合并已排序区间。
携程笔试第 5 批:两道算法题加一道 AI Coding 设计题
携程秋招第 5 批笔试为两道算法题加一道 AI Coding。第一题给 n 行「编号 + 读数」与一个 d,要求找出编号相同且读数之差为 d 的两行,另有限制条件帖主未记清;第二题帖主未看;AI Coding 要求模拟公交因道路施工改道并把结果通知各导航应用。
古茗前端一面:JS Bridge、事件循环与 AI Coding 工作流连问 28 题
古茗前端一面 28 题,前半段围绕一个带流式对话的内嵌 H5 项目深挖:移动端适配、流式渲染插件、Markdown 与媒体资源解析、埋点体系、JS Bridge 原理与调试;后半段是事件循环、微任务、重绘重排、跨域与 Vite proxy,最后问了 AI Coding 的代码占比与质量保障手段。
科大讯飞后端 / Agent 开发二面 24 问:从京东实习项目追问到 Harness 与模型的关系
科大讯飞后端 / Agent 开发二面,约 31 分钟、24 问。前半段围绕京东实习项目逐层核实真实参与度:项目多少人做、负责哪一块、做了多久、数据为什么不能直接交给模型、为什么还要引入代码规则、生成结果怎么接进 Java 业务系统;中段问两年制研究生、考研与保研、个人多智能体排障项目(Supervisor / Planner / Executor 分工)与博客是否 AI Coding;后半段是本场最关键的追问——模型越来越强,Harness 还有什么作用、与模型是什么关系、未来往哪走。
快手 AI 全栈一面:跨域与路由原理、AI Coding 实践
快手 AI 全栈开发工程师秋招一面约 85 分钟:自我介绍与项目深挖之后,前端基础集中追问跨域、Vite 开发代理、CORS 关键响应头与携带 Cookie 的配置,路由部分要求讲清 Hash 与 History 的差异、依赖的浏览器 API 及 React Router 原理;AI 相关部分围绕 AI Coding 的提效点、如何约束生成代码符合项目规范、Vibe Coding 与 Spec Coding 的取舍展开,最后手撕无重复字符的最长子串。
快手电商客户端实习一面:AI Coding 40 分钟做 HTTP Mock 服务平台
快手电商客户端实习一面:先问大二专业课与 408 的学习程度、哪些课算水课,再问 MySQL 表设计(一共几张表、好友表与好友申请表能否并入 user 表),随后是 40 分钟 AI Coding,题目为 HTTP Mock 服务平台,要求用 AI 按 P0/P1/P2 分级、做计划、分阶段实现并测试;最后自测状态码与响应体输入,面试结束后很快收到二面邀请。
快手电商客户端实习二面:项目架构连环追问与 30 分钟 AI Coding
快手电商客户端实习二面约一小时:面试官对着项目架构图连续追问流程细节,并现场提出「在当前架构上实现群聊」的扩展问题;随后是限时三十分钟的 AI Coding,要求先分级、写方案再分模块实现与联调,最后围绕岗位方向与组内 AI 使用反问。
美团 AI 测试笔试:单选偏机器学习,AI Coding 最后两分钟 AK
美团 AI 测试岗笔试的题型与节奏:单选题以机器学习为主、夹 SQL,编程题难度中等偏下,另有一道 AI Coding 题。帖主在 AI Coding 上耗了一小时四十分钟、最后两分钟 AK,并把经验归到两点——会话上下文很短时反复对话没有进展就要换会话,提示词要写成「自己读源码、一步步走、对照报错」。
美团二面:AI Coding 实践、高并发理解与协作方式
美团二面几乎没聊项目和八股,问的都是宏观问题:围绕项目讲讲你是怎么使用 AI Coding 的、你对高并发的理解、平时和 AI 的协作方式并具体到案例。大部分是非结构化题目,没有实践和思考很难答。
美团业务后台校招综合终面:本体建模、Agent 评测与 DDD 一致性
美团业务后台校招综合终面,先技术交流再由 HR 交流:前半场围绕京东智能面试间项目追问本体建模、OWL 语义规范、Action 分类与 Agent 友好架构,接着问 Agent 评测、成本与性能案例、DDD 领域建模和跨服务一致性,后半场是 AI Coding 体验、求职方向与 HR 问题,帖主按主题归并出 38 项问题清单。
美团业务后台一面:Agent 嵌入流程的边界、Doublewrite 与 AI Coding 实操
美团 To B 业务后台(AI Agent 方向)一面:项目被持续追问落地细节,包括 Agent 在业务流程中的位置、规则与大模型的边界、耗时与落库;原理侧问插件化机制、Agent Loop、Codex 执行中插入消息的处理;Java 基础问布隆过滤器、ZSet 底层、三线程循环打印 ABC、Doublewrite Buffer;最后是「缓存热点数据一致性验证」的 AI Coding 实操与跨团队协作题。
阶跃星辰 AI 评测算法一面:harness 原理、沙箱机制与 GDPval-AA
阶跃星辰 AI 评测算法一面,面试官先介绍岗位(后训练阶段、办公场景,包括数据合成、评测集构建、judge 设计),然后要求只讲与岗位最相关的 1–2 个项目,重点追问痛点、pipeline、方法原理、评测集构建、与已有 benchmark 的区别;技术题问用过哪些 harness 并选一个讲原理(候选人详述了 Codex 的 Agent Loop)、是否接触过 GDPval-AA、评测从输入到产出的完整链路、沙箱机制(模型 API 在容器内还是外、工具在内还是外);AI Coding 环节现场与 AI 对话探索 GDPval-AA(是什么、源码、官方 rollout harness、rollout 如何执行与拿产出),追问「API 在容器外、工具在容器内」怎么理解;最后问日常手写还是 AI 写代码。反问阶段问到多项目并行时的注意力分配,回答是一人最多并行两三个、主力 1–2 个。
腾讯音乐 TME 内容研发部后端一面:Redis 集群、主从同步与 Spring AOP
TME 内容研发部后端一面:简历里一个需求被追问二十分钟,随后问 Redis 集群高可用与数据类型、MySQL 索引底层与最左前缀、主从同步与 canal,再聊 AI Coding 实践、MCP 与 Skill 的关系,最后落到 JVM 内存结构、线上问题和 Spring AOP 的动态代理。
超聚变笔试:两素数差最小、注释工具模拟与 AI Coding 提分
超聚变 11 月 12 日起自选三小时完成的笔试:两道编程加一道 AI Coding。第一题求和为偶数且差值最小的两个素数,第二题是支持整行与行尾注释的五操作模拟题(作者只过 30%),AI Coding 考退款、扣款、对账、封账业务,作者用「先抽一版再定向加固」把分数从 8202 提到 8677。
小红书产品工程师(前后端)笔试:前缀和 DP、矩阵差值 DP 与 AI Coding
小红书产品工程师(前后端)笔试:开局自选卷子(前后端或客户端),20 道杂糅 C++/Java/Go/Python/Linux/数据库的选择题;编程题一是「连续子序列和为 0 可合并删除,最多删几次」(前缀和 + 动态规划,需 O(n));编程题二是两矩阵分别入两个数组求终点绝对差最小(状态 DP);另有一道无骨架的 AI Coding 题,要求设计报表模板管理与数据查询清理可视化系统,带 Token 预算限制。
智行者校招一面:AI Coding、JS 错误监控 SDK 与快排
智行者校招一面:用 AI Coding 写一个 JS 错误监控 SDK、平时用什么 AI 工具、实习里 AI Coding 的情况、用大模型做需求时最大的痛点、换模型解决问题的经历、怎么学 AI;项目与实习介绍;快排实现及与归并排序的区别;AI 误删文件怎么办;项目里短期与长期记忆怎么做。
宇视科技前端一面:SSE 闪屏、首页优化与 Vue3 响应式
宇视科技前端一面约二十分钟,完全照着简历问:SSE 流式的闪屏怎么解决、首页做了哪些优化以及如何用浏览器快照分析、相同资源重复请求怎么处理、闭包与防抖节流的联系、如何说服 React 开发者改用 Vue3、Vue3 响应式原理、Webpack 与 Vite 的区别及 CSS 加载差异、AI Coding 的工具与花费。
岱岚科技 全栈开发实习面:多端一套代码、限流排查与 PDF 转 3D 报价
岱岚科技全栈开发实习面:自我介绍后逐段追问实习内容与多端一套代码的实现方式,问 AI Coding 占比与经验,再给两个场景题——网关限流下某 IP 请求量超出预期怎么排查,以及 PDF 解析建模算报价要求 5 秒内响应的优化方案。
浪潮一面 30 分钟:技术面与 HR 面合并,重点在项目与 AI Coding
浪潮一面为技术与 HR 合并场,全程约 30 分钟:自我介绍、base 地意向与期望薪资之后,主要追问项目里下游数据如何计算获取、实验室横向课题的技术选型与架构、AI Coding 的使用方式与个人项目模块。
汽车之家 Java 后端二面:延迟队列幂等、MVCC 与 Agent 工具调用
汽车之家 27 届 Java 后端二面:项目深挖刹车预警与延迟队列,Java 基础问进程线程、Runnable/Callable,MySQL 问隔离级别、MVCC 与幻读,再聊 SSE 流式输出、Function Calling 与 AI Coding 实践。
百度大模型算法岗一二三面:手撕 LIS、道路片段索引设计与微调数据构建
百度大模型算法岗一二三面记录:一面手撕最长递增子序列,深挖实习与论文,再给一道千万级道路片段数据集的索引与匹配设计题;二面继续追技术细节并手撕最大子数组和;三面转向微调数据集的搭建、清洗与构造,以及日常怎么用 AI 编码工具、怎么 Review Agent 生成的代码。
百度大模型算法岗一二三面:手撕、道路索引设计与微调数据
百度大模型算法岗三面复盘:一面手撕最长递增子序列并设计千万级道路片段的连续匹配索引,二面深挖实习论文并手撕最大子数组和,三面聚焦微调数据集构建、清洗、AI 编码工具与代码 Review。
字节 AI Agent 一面:科研追问与现场编码
字节跳动 AI Agent 一面:面试官对科研方向的追问占了大半场,围绕怎么评估效果、怎么证明方法的增量与价值反复深挖;随后问怎么保证 AI 生成代码的质量、平时用 AI 做过哪些探索;最后是现场 AI Coding,给一个任务不断加需求、工具不限,面试官提供的 API 一直报错导致改用自备工具,任务没做完时间就到了。
字节 AI 应用开发全栈一面:指标治理、iOS 热修与死锁监控设计
字节 AI 应用开发全栈一面:先深挖腾讯实习里的告警归属率指标与治理机制,再问上传凭证、数据采纳率、iOS 热修与 HTTP 断点续传的实现细节,后半场全压 AI Coding 的可靠性,最后是死锁成因与「设计一个死锁检测监控」的图算法题。
字节 AI 全栈二面:八股一点都不问,全程项目 + AI 工具
字节跳动 AI 全栈二面面经:全程围绕 Agent 平台项目与 AI 使用习惯,考问答链路与意图识别树、MCP 工具使用注意事项与失败处理、AI 生成代码的质量兜底、工具调用结果缓存与长期偏好存储、敏感信息脱敏,最后手撕反转链表并追问线程池配置。
字节跳动 AI全栈开发 一面
字节跳动 AI 全栈开发一面面经(10 月 13 日):实习项目被逐层追问模块划分、前后台职责、DDS 选型与可靠性、时延取舍与无人机集群规模;八股覆盖 URL 到页面渲染、事件循环与微任务饥饿、MySQL 隔离级别与锁、B+ 树索引;另有 AI Coding 与一道子序列计数的手撕动态规划。
字节面经-字节跳动后端开发岗面经-19
字节跳动后端开发岗两场面经合集:第一场从实习 Agent 项目追问到代码审查(工单缓存、优惠券限领、Java 转账并发)与分布式事务选型,另有云产品智能客服设计和岛屿数量;第二场围绕 AI Coding 的前端开发与端到端交付、下一排列手撕以及实习与学业取舍展开。
字节跳动全栈一面面经:项目追问、AI 工具与消息可靠下发
字节跳动全栈一面:项目追问与 AI 工具使用开场,重点考断网重连不丢消息与去重下发的系统设计,另考事务 ACID、死锁,并手撕合并有序数组。
字节全栈一至四面面经
字节全栈四轮面试覆盖 Java 基础、MySQL 索引与事务、AI Coding、MCP 与 Skill、幂等、Feed 流、延迟消息和算法题。
携程 10.13 数据开发笔试:最大子数组变体、left join 与 AI Coding
携程 10.13 数据开发笔试:最大连续子数组和变体、用 left join 保留计划路线并兜底未访问景点数,以及一道 AI Coding。
26 届携程笔试:最大子数组区间取优、非递减数组最小代价与 AI Coding
26 届携程笔试:一道 AI Coding 加两道编程题,分别是最大子数组和按区间长度与左端点取优,以及求把数组改成非递减数组的最小代价。
10.13 携程笔试:最大子数组和变体、等差数列最小代价与 AI Coding
携程 10.13 笔试:两道编程题加一道 AI Coding,题一是最大连续子数组和(要同时给出区间长度与左端点),题二是把数组改成等差数列的最小代价。
CVTE 视源股份应用开发一面:LLM 评测体系与 Agent 架构演进 28 问
CVTE 27 届应用开发工程师一面,全程围绕一段日志分析 Agent 实习深挖:评测体系怎么设计、Case 覆盖率与随机性怎么处理、多工具并行调用的顺序与失败处理、上下文管理与可观测性、AI Coding 的工程约束、以及从「分类器加专家工作流」到「双 Agent 加裁决」的架构演进,最后手撕有序链表去重及其变体。
得物 1024 笔试:心理测评加综合选择,AI Coding 考内存秒杀系统
得物 1024 笔试复盘:心理测评 + 综合选择 + AI Coding 三段。选择题混考算法、Java 代码题、AI 应用、高难度 SQL、操作系统与网络;AI Coding 要求实现基于内存的高并发秒杀系统,覆盖业务幂等、同用户同 SKU 的活动预约互斥、资格释放后按 Drop ID 的跨场次转正,以及同一逻辑秒的开放、过期、转正、关闭与时钟事件顺序,判分给出冒烟 / 基础 / 进阶 / 核心难题四档通过率。
得物客户端秋招二面:大模型幻觉、Git 与 HTTPS 全链路
得物客户端秋招二面,全程不到 30 分钟:先由面试官介绍团队,再问学习路线;技术问题集中在大模型幻觉如何治理、模型给的代码有错怎么排查、平时怎么把 AI 接进开发工作流;计算机基础只问了 git rebase 与 merge 的区别、页面发起请求到完成响应的全过程、HTTPS 协议拆解。面试官认为简历技术栈与客户端不匹配,但肯定了 AI 能力,后续可能有技术加面。
得物客户端开发二面:旧数据覆盖、版本号与参数快照、CPU 不高但请求变慢
得物客户端开发二面:先深挖项目里的「旧数据覆盖最新业务状态」——版本号与参数快照各自解决什么、版本号什么时候会重复、快照会不会太长,再问赛事预约的状态异常;中间是技术难点复盘与 AI Coding 的质量把控,八股只问了 ConcurrentHashMap 在 JDK 7/8 的差异与 HashMap 为何不适合并发写,最后是一道「CPU 不高但请求变慢、线程池队列持续增长」的排查题与行为面。
得物 Java 开发 10·24 笔试:心理测评、25 道选择与 AI Coding
得物 Java 开发 10 月 24 日笔试结构:20 题心理测评占 2 分、25 道选择题共 50 分(设计模式、SQL、编译原理、Java 代码输出混合出题)、最后一段限定 Java 语言的 AI Coding,整场节奏很快,作者自己都记混了场次。
北京都学网后端面经:项目贡献边界、SingleFlight 与长时面试数据保护
北京小厂都学网后端面经:面试官重点盘问 AI 面试平台与 AI Coding Agent 两个项目的真实贡献边界,再深挖 SingleFlight、MongoDB 热存档、讯飞 ASR 转发去重、上下文四层压缩与子 Agent 隔离,最后聊改进计划与实习安排。
吉比特前端一面:AI coding 工作流、MCP 与接口幂等
几乎全程在聊 AI 协作开发的前端一面:从需求到上线的 harness 工作流怎么搭、需求该自己拆还是先交给 AI、AI 写出隐性 bug 怎么防、MCP 是什么和怎么实现、实习里 AI 项目的记忆与会话管理、和豆包这类产品的差别,最后是 token 幂等的具体场景与合并区间算法题。
恒生电子一面面经
恒生电子技术岗一面面经:围绕日常使用哪款 AI Coding 工具、如何对比生成代码质量展开,另问实习项目的人员分配、职业规划、实习经历以及对 Agent 的了解。
恒生电子二面:DeepSeek Harness、插件化与 MySQL 日志
恒生电子二面:先聊实习产出与优化可行性,再问 DeepSeek Harness 与其他 Agent 的差异、“一切皆插件”的底层实现,随后是 SQL 优化、索引失效、MySQL 三大日志、InnoDB 与 MyISAM 对比和 AI Coding 提效。
科大讯飞后端一面/三面/HR 面:Agent 状态流转、上下文压缩与 AI Coding 分工
科大讯飞后端三场面试记录:一面偏技术细节(预计算+Redis 缓存瓶颈、缓存与中间结果不一致、binlog 与 MQ 两种一致性方案的选型、ThreadLocal 弱引用与内存泄漏、线程池拒绝策略、上下文压缩、AI Coding 分工);三面偏架构与协作(路由准确性、graph 的实现、状态存储、PRD 与需求变更、团队机制问题);HR 面围绕实习难题、拒绝需求、多模块规划、分歧协调与留合肥的意愿。
浪潮人工智能研究员面经:技术面和 HR 面合在一起问
浪潮软件 27 届人工智能研究员秋招,一面技术与 HR 合并:offer 情况、base 地、保研经历、实习项目、怎么看 AI Coding、Python 常用包,末尾要求补测评。
京东笔试 aicoding 复盘:先跑通 16 条冒烟用例,别用快捷键复制终端
京东笔试(编程 + SQL + AI Coding)的实战复盘:AI Coding 任务的业务边界很细、自带模型难以直接解决,作者总结出「先跑通 16 条基础用例拿分 → 让 AI 只分析不改码 → 记住通过率最高的时间点」,并强调考试页面里绝不能用 Ctrl+Shift+C 复制终端内容。
京东后端笔试 10·24:相邻和为 2 的幂的最长子序列、m 个质数求和与 AI Coding
京东 10 月 24 日后端笔试:两个编程题(20 分:给出序列 a,求最长的子序列 b 使相邻两项之和为 2 的幂,n≤2e5、aᵢ≤1e9;30 分:给定 n、m,判断能否用 m 个质数相加得到 n,n≤1e6)加一道 50 分的 AI Coding「链式提案系统」。作者复盘了 A 题从 O(n²logn) 优化到 O(nlogn) 的过程、B 题没做出来,以及 AI Coding 环节因为没提前用 SPEC 而浪费大量时间。
京东笔试算法题记录
京东笔试记录了两道算法题和 AI Coding 环节,第二道算法只通过少量用例,适合用来复盘笔试节奏与骗分策略。
快手 AI 应用开发一面:Agent 设计 + AI Coding 工作流
快手 AI 应用开发一面,围绕 Agent 记忆与上下文膨胀、工具调用缓存与失败优化、敏感信息防护、Token 成本控制、RAG 全流程,以及 AI Coding 工作流与 Code Review 追问展开,含智能文档审阅、行程规划 Agent 两道系统设计,最后手撕反转链表。
快手 AI 全栈一面:Skill 与 MCP 的 token 消耗、Agent 全链路
快手 AI 全栈开发一面:Skill 与 MCP 的 token 消耗对比、一个 query 从输入到输出的完整链路、AI 开发流程、排查问题的流程、怎么判断一个 Skill 足够好,最后是一道 AI Coding。
快手秋招 AI 全栈一面:项目亮点、Doris 选型与 AI Coding 现场题
快手秋招 AI 全栈开发工程师一面:从「挑一个最有技术亮点的项目」开始深挖背景、职责与收益,追问脚本转平台自动化的方案归属、Doris 选型过程、Coding Agent 的使用比例与 MCP、Skill 的理解,最后是现场 AI Coding 题「电商搜索接口响应校验器」。
快手2面 10.13
快手后端二面面经(10 月 13 日),从实习项目最难点与数据拉取链路优化切入,八股覆盖 ClickHouse 与 MySQL 的选型差异及底层实现、Redis 快的原因与数据类型、哨兵与集群模式的架构差异和集群通信、Raft 算法,最后是一道 AI Coding 限时做题。
快手测试开发二面面经
快手测试开发二面,围绕实习项目的链路流转与方案落地、为什么选测开、如何测试一个项目、AI Coding 实现 diff 系统,以及除了题目功能外还能在哪些地方优化用户体验。
快手测试开发一面:网络模型、TCP 握手与搜索二维矩阵
快手测试开发一面面经:问实习经历与简历项目(问得较浅)、计算机七层网络模型、TCP 三次握手,算法题是搜索二维矩阵 II,以及 AI Coding 环节;候选人自述计网只记住四层模型、握手答得不好、算法题不会输入输出只写了核心逻辑、AI Coding 因时间原因没提交也没运行。
来也科技 AI 原生开发者一二面:AI Coding 边界与向量库性能
来也科技 AI 原生开发者岗位一二面面经:一面 55 分钟问 AI Coding 的比例、流程、测试边界与团队配比,TCP 广播/容量/到达率/惊群,C++ 版本与 Lambda/协程/模板,以及「哪些自测能交给 AI、哪些不能」和开源实现与 Harness;二面 37 分钟围绕个人项目的「解决什么问题、为什么做、收获什么」追问现场演示、向量库检索为何会慢、团队 AI 开发率如何统计,以及家乡与爱好。
猎聘全栈面试:Agent 编排与分布式锁
猎聘全栈开发面试,29 个问题分五块:Agent 项目追问 RAG 检索与召回率、记忆分层与上下文压缩、LangGraph 编排;后端项目追问异步结算链路的幂等与并发抢占、SETNX 兜底层次;八股考 Redis 分布式锁与 Kafka/RabbitMQ 的取舍;最后是 AI Coding 实践与前端全栈能力。
美团秋招AI后端一面二面面经(食杂零售)
美团食杂零售 AI 后端秋招一面二面面经:一面围绕实习中的 Agent 平台、SSE 与跨语言通信、Skill 设计与慢 SQL 排查;二面深挖信审链路、令牌桶限流与聚簇索引。
美团一面 40 问:Agent 断点续跑、资金链路风控与 binlog 对账
美团一面全程围绕实习项目深挖,40 个问题几乎没有纯八股:Agent 断点续跑与对话隔离、幻觉防控、资金交易链路的风控、binlog 同步与对账不一致、MQ 乱序与分区键、双跑灰度与额度冲突、降级限流、多 ES 可用性,最后是 AI Coding 的 SOP 与「为什么不直接让大模型出方案」。
同花顺一面面经(10.9)
同花顺后端一面面经:先聊教育背景、科研方向与实习难点,随后深挖接口异常与网络波动下的稳定性、重试设计、跨系统调用幂等与并发安全,并追问如何用 AI 做技术选型和线上问题定位、如何借 Trace 与定时分析改进 Agent 系统。
稳健医疗后端一面:页面变慢排查与 Spring Cloud 组件
稳健医疗后端开发一面:自我介绍后围绕几个项目追问,技术题包括页面访问速度慢的排查思路、基于 AI 项目的开放性变种题、Spring Cloud 的理解与组件、平时用什么 AI 开发工具、对 AI Coding 的理解。面试官是十年以上的老兵,反馈积极,面试通过;但 HR 对转正规则含糊其辞,候选人判断没有明确转正名额,最终拒绝。
乌鸫科技全栈测试工程师(AIDATA 方向)
乌鸫科技全栈测试工程师面试先做半小时 Vibe Coding 笔试,再围绕测试用例、接口测试代码、AI 盲区和线上问题预防展开。
小红书 Product Engineer 两志愿面试全记录:C++/Android 深挖与 IM 卡片架构
小红书 Product Engineer 两志愿面试完整记录:一志愿 PE 基建(88 分钟)从 C++ 内存管理与智能指针问到 STL 容器选型、C++ 与 Java 并发容器差异、面向对象与多态、Dalvik/ART 与 GC 演进、Kotlin 协程实现、IPC 与 Binder、自研消息队列与 ProtoBuf、群聊卡片动态下发、AI Coding 工作流、Harness/Agent 框架本质与 RAG 检索选型,末尾手撕删除链表倒数第 N 个节点;二志愿 PE 国际化(58 分钟)围绕群聊破冰消息的二次请求设计、A/B 实验规模、卡片本地持久化、RecyclerView 资料错绑、IM 卡片架构改进、数字人 MV 链路与异常恢复、编辑一致性、Handler/MessageQueue/Looper 机制、Activity 生命周期与跳转顺序等问题展开。
蚂蚁 AI Coding 笔试:指挥 AI 完成工程题的 9 条思路
蚂蚁 AI Coding 笔试不考背题,考的是怎么指挥 AI 干活。9 条思路覆盖读 README 拆任务与分配时间、接口先行、分模块推进、报错限定修复范围、自造脏数据、逐条硬验收、交卷前红队评审,以及版本快照与交付物对齐。
蚂蚁集团后端开发面经合集:分布式锁、缓存与 AI Coding
蚂蚁集团后端开发方向五场面试合集:围绕 Redis 分布式锁与 Lua 原子性、CAS 乐观锁的局限、缓存更新策略与读写顺序、Redisson 看门狗、短链系统的读写瓶颈与优化,以及 ES 与 MySQL 一致性、embedding 选型与 RAG 数据过期;Java 侧考 JVM 分代与 GC、线程池参数与有界队列、HTTP 协议与 Cookie、MySQL 引擎与慢查询,并追问 AI Coding 的阶段划分、Plan 模式以及 Agent、Skill、上下文管理与快慢思考。
百度 AIGC 多模态智能体算法工程师一面:Agent 框架选型与手撕最大子数组乘积
百度 AIGC 多模态智能体算法工程师一面面经,9 月 22 日。先聊实习经历与 Agent 宿主、框架选型,再手撕含正负数的最大连续子数组乘积并要求额外空间 O(1),追问状态转移与空间压缩,最后确认实习时间与工作城市偏好。
AI Coding 笔试拿 offer 的三个心法
连挂三家大厂 AI Coding 笔试后的复盘:面试官真正考察的是准确描述问题、判断 AI 代码正确性、出错时快速修正三件事;给出伪代码引导、让 AI 自测你当裁判、准备三个万能代码模板三个核心技巧,以及三个必踩的坑。
字节跳动抖音电商 Agent 开发一/二/三面
字节跳动抖音电商 Agent 开发一二三面:一面考 MySQL 索引设计、Redis 并发与分布式锁、LRU 实现;二面审 AI Coding 方案与长文档上下文;三面深挖实习与 Agent 项目。
字节/美团 AI Coding 笔试:5 类必考题型与刷题重点
字节、美团等大厂 AI Coding 笔试的题型梳理:核心算子手写、pandas 数据处理与特征工程、业务场景化算法题、PyTorch 训练与评估代码题、AI 服务系统设计简答题,并给出每类题的考察重点与备考动作。
字节、美团、B站 AI Coding 笔试五大题型拆解
作者秋招连续参加字节、美团、哔哩哔哩三家 AI 岗笔试后总结的五类高频题型:RAG 系统实现、Agent 工作流设计、大模型评估指标设计、Prompt 工程优化与 AI 系统架构设计,并给出每类题的解题思路、代码框架与考前准备建议。
粤港澳大湾区国创中心三维检索后端实习一面面经
粤港澳大湾区国创中心三维检索后端实习一面面经,考察向量数据库索引、Docker、CI/CD、AI辅助开发流程、代码检索与部署。
合肥某头部企业 软件开发实习面试:33 题追问 RAG、MySQL 与 AI Coding
合肥某头部企业软件开发实习生面试汇总:原定半小时却追问了一个小时,33 道题几乎全围绕医疗问答项目——RAG 切分与 Embedding、BM25 与 MMR、MCP 协议、LangChain 与 AI Coding 工作流,随后是 MySQL 隔离级别与 MVCC、Undo Log、深分页、连接池、JVM 排查与 Nginx、Docker 基础。
科大讯飞 Agent 开发一面:不考八股,全是场景题
科大讯飞 Agent 开发一面面经:不考八股也不问项目,从最近在学什么、实习中的难点切入,随后是操作系统与网络场景题——CPU 利用率很低如何定位、客户端 100ms 加服务端 70ms 的一次 HTTP 请求耗时、CPU 突然打满的排查路径,最后聊面向对象设计、AI 写代码时代工程师的差异与兴趣爱好。
京东后端开发岗面经:RAG 知识库、写热点优化与 Java 八股
京东后端开发岗面经:一面围绕 RAG 知识库的业务场景、高并发写热点、Milvus 选型、知识库同步与检索不准的定位,再问 CAS/ABA、线程池、ThreadLocal、B+ 树、慢 SQL、缓存击穿与 Kafka 顺序;二面聊 AI 工具链、订单对账与订单号生成时机。
京东测试开发岗面经合集(一):AI Coding、测试用例设计与网络基础
京东测试开发岗十三场面试合集,2025 年 12 月至 2026 年 6 月:登录框、秒杀接口、付款码等用例设计,测试左移与覆盖率、CI 偶发失败排查、性能瓶颈定位,另有网络与数据库八股和 AI Coding 追问。
京东产品岗 9.26 笔试:产品选择题与 AI 助手方案设计
京东产品岗 9 月 26 日笔试记录。前面是产品相关选择题,考察具体业务场景下该选哪些指标评判、优先级如何判断以及产品设计知识,不涉及行测;后面是 AI Coding 业务题,要求设计一个 AI 助手的解决方案并界定功能业务边界,包含多角色的取舍与责任划分。
京东 9.26 笔试:两道算法题加一道 AI Coding
京东 9 月 26 日笔试,两道算法题加一道 AI Coding。第一题是镜子网格中统计能逃出边界的光线总数,第二题在安全区间内按倍数和给定变化序列统计可行的初始值数量与最值;AI Coding 部分作者把需求文档直接交给 AI 生成代码,没有改动就提交了。
快手 AI 全栈二面凉经
快手 AI 全栈二面凉经。开局拷打项目,随后问到 @Transactional 注解参数的失效时机、MySQL 可重复读隔离级别对幻读的解决程度、Redis 大 key 的判定与处理、MySQL 主从复制,最后是一道 AI Coding 场景题,要求从产品视角配合 AI 定功能并实现和测试。
快手电商 大模型应用开发一面:内容被 AI 引用、投放归因与现场 AI Coding
快手电商大模型应用开发一面面经,9 月 22 日。围绕 AI 搜索内容投放深挖真实访问与 API 采集的差异、渠道入口归因、投放平台筛选、内容被 AI 引用的优化与量化指标,另有 Go 技术栈与现场浏览器导航助手 Coding。
快手电商 大模型应用开发二面:To C 与 To B 视频 AIGC 平台的现场实现
快手电商大模型应用开发二面面经,9 月 28 日。主体是现场 AI Coding:视频 AIGC 开放平台的题目背景、To C 与 To B 是否同平台、现场实现程度与分层,以及 Prompt、模型调用与测试脚本怎么处理。
快手 Feed 团队后端实习一面(约50分钟)
快手 Feed 团队后端实习一面记录,约 50 分钟以上,无压力面,全程围绕实习项目深挖、对 AI Coding 的理解与使用和一道 ACM 模式算法题(LC21 合并两个有序链表),0 八股,附完整流程、ACM 模式踩坑点与复盘建议。
快手前端一面(RAG 链路与 AI Coding)
快手前端一面面经,题目围绕 AI 链路展开:DFS 实时循环与成环、为什么选 pgvector、BM25 与 RRF 融合、多 store 分片、解析缓冲与渲染缓冲、节奏控制、SSE 不完整行处理;AI Coding 环节本想自己下载题目,结果 AI 直接把题做完。
快手支付测试开发一面:Java 基础、并发与 AI Coding
快手支付测试开发一面面经,时长约 1 小时、全程无手撕但含 AI Coding 环节。基础知识考察 Java 容器、并发与进程线程区别、线程池、MySQL 索引与 Redis 缓存;实习部分围绕用户意图识别、工具路由出错、JSON 动态工具注入的非法参数死循环与上下文压缩的数值精确性展开。
美团AI全栈二面:AI Coding题的建模与多Agent协作框架
美团AI全栈二面面经,45分钟。面试前先做一道限时两小时的AI Coding题,面试中围绕这道题追问系统核心表怎么设计、测试用例怎么设计、状态机怎么设计,并要求现场展示与AI协作的过程;此外聊了实习亮点与转正意向、AI时代前端与客户端各自的写法差异、多Agent协作与把本地服务暴露给模型的框架,最后确认base意向与后续流程。
美团笔试-美团9月1日机考笔试题与解析
美团9月1日机考中的多云成本分摊题,涉及版本化方案、分摊图递归、账期重放和幂等设计。
美团后端开发岗面经(01)
美团后端开发岗面经,重点考察Caffeine与Redis多级缓存、秒杀库存、消息队列、数据库一致性及AI Coding系统设计。
牛客 AI Coding 笔试评分机制拆解(以米哈游为例)
牛客 AI Coding 笔试题面配置显示,结果分(testcaseWeight)只占 40%、过程分(processWeight)占 60%,五个维度中 AI 产出校验权重最高。据此给出 Plan、测试设计与上下文管理的时间分配建议。
去哪儿Java智能退款审核服务AI Coding笔试
去哪儿 9 月 6 日机考题,包含 Java 17 与 Spring Boot 智能退款审核服务修复扩展,以及缓存、KV Cache、二叉树和 MoE 等基础选择题。
淘天集团 AI Agent 开发岗面经合集:RAG 链路与场景题
淘天 AI Agent 开发岗两场面试:场景题考 URL 瞬时流量冲击的处理策略与实时商品销量 Top-10 排行榜,另有会员价满减计价系统的 AI Coding;技术面围绕 RAG 链路、文档切分、Top-K 取舍与知识库权限控制。
小红书社区工程 Product Engineer 一面:RAG 深挖与 AI Coding
小红书社区工程 Product Engineer(AI 与全栈方向)一面,9.24 约 50 分钟:从实习与 AI 项目切入,深挖 RAG 全流程与切块、检索选型与准确率评估,再问 Agent 与 Workflow 的区别、ReAct、日常 AI Coding 与 Skill 加载,最后是算法(和为 K 的子数组)与高并发缓存、限流设计。
小鹏汇天全栈工程师一面:AI Coding 与飞行数据平台设计
小鹏汇天全栈工程师一面面经,9 月 24 日:前半段围绕个人背景、实习经历、实习周期与到岗时间展开,中段追问 API 设计考虑项、AI Coding 工具与方法论、AI 生成代码的可靠性与 Code Review;后半段是飞行数据管理平台的系统设计,包括基于对象存储的前后端设计与大量飞行图片连续播放的前端加载性能优化。
美团 AI 产品经理转正实习面经
美团 AI 产品转正实习面试记录,业务面深挖硬件产品迭代与竞品分析,AI Coding 环节重点追问用户、核心功能和方案价值。
乌鸫科技Java岗社招一面面经
乌鸫科技Java社招一面面经,60多分钟以三个项目深挖为主:银行项目的海量数据Excel导入与额度扣减、RAG学习项目的三层缓存架构与消息队列异步解耦、电商优惠券项目的数据一致性方案,另涉及AI Coding在工作中的应用占比讨论。
美团产品经理 AI Coding 考察攻略
美团产品经理 AI Coding 考察说明,涵盖适用岗位、出题形式、提交机制、面试讨论重点、评分维度和 Demo 搭建顺序。
深信服后端开发春招面经
深信服后端开发春招面经,涵盖AI Coding实战、LRU算法实现、待办事项系统设计及RAG文本分割技术。本文详述面试过程中的存储系统原理深挖及项目经验分享,为求职者提供参考。
TCL科技Java实习面经
TCL科技Java实习面试实录,面试侧重于实习经历与AI Agent项目的深度拷打,全程无八股文与手撕代码。本文总结了面试高频问题及应对策略,帮助Java求职者提升项目总结能力与技术交流技巧。
小红书 Product Engineer AI 应用方向一面面经
小红书产品工程师 AI 应用方向一面,考察检索 Agent 的上下文管理、大模型输出约束,以及把模糊需求拆成文档后用 AI Coding 完成实现和审查。
杭州码全科技Java开发工程师一面面经
本篇面经记录了码全科技Java开发岗一面过程。面试官重点考察了候选人在得物实习期间的项目经验,包括系统架构参与度、数据库表设计及SQL优化能力。此外,面试深入探讨了AI Coding工具的工程实践应用及个人职业规划。
美团产品经理岗位 AI 面面经
美团产品经理 AI 面记录,集中考察大模型与 AI 编程工具的真实使用、付费情况、API 调用、论文阅读和独立 AI 产品经历。