通用
共 10 篇面经 · AI Agent / AI测试 / 嵌入式开发 / 嵌入式软件开发 / 运营
Agent 项目面试为什么答对了还挂：Agent、RAG、Tool Calling 的深挖点
一篇讲 Agent 项目面试的长文：为什么用 Agent 而不是 Workflow、RAG 的切分与混合检索、Tool Calling 的失败处理与幂等、LangGraph 的 State 与 Memory、以及怎么证明优化有效。
Agent 面试怎么练到能接住追问：RAG 答错先查什么、上下文压缩保留什么
一篇 Agent 面试练习方法帖：用「先口述、再加条件」的方式练追问，并给出 RAG 答错排查、上下文压缩、工具超时恢复三道题的参考答法。
Agent 面试自测：跑了 30 轮停不下来，先设步数上限还是先做重复检测
一篇 Agent 面试自测帖：把答案拆成评分点来检验「会不会被追问」，并给出「Agent 跑 30 轮停不下来，先设步数上限还是先做重复检测」这道题的评分维度。
AI 测试面试题：AI 生成测试用例的质量评估体系怎么建
AI 测试八股之一：怎么给 AI 生成的测试用例打分——需求覆盖度、正确性、可执行性、冗余度、边界与异常完整性、规范性六个维度，以及一个 100 分的简易打分模型。
AI 测试面试题：测试数据集怎么分层搭、BadCase 怎么管
AI 测试八股之一：测试数据集要分三层搭（基础正向、边界与对抗、历史 BadCase），BadCase 按「收集 → 分类标注 → 入库 → 回归复用」当资产管，并做版本管理保证可复现。
AI 测试面试题：什么是「以模型评模型」（LLM-as-a-judge）
AI 测试八股之一：用大模型给另一个模型的输出打分（LLM-as-a-judge）的原理、优势与局限——能理解语义与逻辑、可大规模自动化，但受评审模型能力与提示词设计影响，还存在同质化偏好。
AI 测试面试题：传统软件测试与 LLM 测试最大的区别是什么
AI 测试八股之一：传统测试建立在「给定输入产生预期输出」的确定性上，LLM 测试面对的是概率性输出——断言方式、评估指标、用例设计与数据准备都要换一套逻辑。
嵌入式 FreeRTOS 必备 20 道常考题目总结：任务调度、同步机制与内存可靠性
一篇面向嵌入式面试的 FreeRTOS 考点总结：从「什么场景该上 RTOS」讲到任务划分与优先级、栈大小估算与溢出排查、队列/信号量/互斥量/事件组的选型，以及中断临界区、内存方案与实时性验证，共 20 道常考题。
嵌入式面试的高频题清单：面经用来校准标准，模拟追问才形成肌肉记忆
一篇嵌入式面试方法帖：大厂面经真正筛的是三层（基础能否闭环、项目能否深挖、方向是否匹配），并列出 12 道必刷高频题与三类最常见的翻车点。
运营岗校招笔试怎么准备：选择题考行测，问答题按七要素搭框架
运营岗校招笔试的题型拆解：选择题含性格测试、行测与业务小题，问答题是拉分项（分析内容产品、设计拉新活动、谈行业热点），作者给出素材本积累法与活动策划的七要素答题框架。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」