杭州银行 AI 面：技术题跟着投递方向走，行为题几年就那几类

《面试题目》

软件开发 / 信息技术 / 金融科技方向

1. TCP 拥塞控制及算法。
2. 什么是长连接、短连接？应用场景是什么，怎么选择？
3. MAC 地址有什么作用？MAC 和 IP 地址的区别是什么？有了 IP 地址为什么还要 MAC 地址？
4. synchronized 关键字的原理是什么？如何实现互斥访问以保证资源的安全性？
5. ReentrantLock 与 synchronized 的区别是什么？
6. ThreadLocal 是什么？
7. 各种 JOIN 类型有什么区别？
8. 聚簇索引和非聚簇索引的主要区别是什么？
9. 建立索引有哪些原则？索引选择使用哪些字段？
10. 数组和链表有什么区别？
11. 快排的原理是什么？为什么效率高？
12. 为什么不直接使用大的缓存，而要设计成多级结构？对于大规模数据处理场景，如何设计解决方案？

数据研发方向

13. 大型项目做数据可视化时，如何提高 Matplotlib 渲染速度？
14. AB 测试：基本原理、设计步骤、如何实操？
15. 数据仓库分层结构：每一层的主要特点和作用是什么？
16. 如何处理、优化数据倾斜？
17. 介绍一下你最近做的一个技术项目。
18. 如何设计和优化数据库结构？
19. 有没有关注相关技术动态或最新研究？通过什么渠道了解？
20. 遇到的困难或挫折是什么，如何克服？
21. 是否曾经发现并解决了一个没有人注意到的问题？详细描述。
22. Kafka 的副本机制是怎样的？它如何保证数据准确性？
23. 如果银行要开发风险监控实时数据仓库，你会如何着手？它与传统数据仓库有什么区别？

人工智能方向

24. 并发和并行有什么区别？
25. SGD 和 BGD 的优缺点是什么？
26. numpy 中的广播机制是什么？
27. 介绍几种损失函数。
28. 模型压缩的常见方法有哪些？
29. 场景题：如何设计一个 AI 理财助理？如何保证数据缺失时的稳定性，数据出现巨大变化时如何调整模型？

行为题（不分方向）

30. 公司要派人外出学习新技术优化流程，还要负责后续的培训工作，要占用周末时间、比较辛苦，这种情况你会怎么做？
31. 过去遇到压力大的情况是什么？你有什么缓解压力的方法？（近期问法：压力很大，要怎么解决？）
32. 你的服务意识怎么样？
33. 公司领导出差，任命你主持会议，但会上两名资深员工产生了分歧意见，你会怎么做？
34. 你负责组织一项活动，出现了意外情况导致部分参与者不满，你会怎么做？
35. 与陌生人第一次见面，你认为影响第一印象的因素有哪些？
36. 讲一次担任自己职责之外任务的经历。
37. 工厂说加工不出公司急需的新材料，而公司又紧急需要，你该怎么处理？
38. 读一段给定的话（固定收尾动作）。

《参考解析》

AI 面怎么打分：不是逐题卡分，但也不是答什么都行

从原帖翻到的几场记录能看出两件事。一是它按方向出题，投软件开发、数据研发还是人工智能，题面完全不同；二是它并不「一道不会就出局」——2024 年 9 月那位是 C++ 背景，Java 八股没答上来、计算机八股也只说了一小点，依然过了 AI 面。合理的解释是 AI 面在做初筛：看表达是否成体系、有没有基本盘、值不值得进下一轮。所以策略是「不恋战」——一道卡住就用十几秒承认，再给一个能讲清的相关角度，把时间留给后面的题，绝不在原地沉默到超时。节奏上，思考时间 15 秒到 1 分钟、作答 3 到 5 分钟、不能重录，最快的场次只给 15 秒思考。练的时候一定掐表，先把「结论—理由—例子」的三段式框好再往里填内容，否则平时会答的题在三分钟里也讲不成结构。

技术题按方向准备，范围其实很窄

软件开发、信息技术、金融科技这一档，题目在网络、Java 并发、数据结构、数据库四块之间轮：TCP 拥塞控制与算法、长连接与短连接的应用场景、MAC 与 IP 的分工、synchronized 的原理与 ReentrantLock 的差异、ThreadLocal、各类 JOIN、聚簇与非聚簇索引、建索引的原则、数组与链表、快排为什么快、多级缓存的设计动机。数据研发一档，两份帖方向一致：数仓分层每层的作用、数据倾斜的处理、AB 测试的原理与设计步骤、SQL 与库表设计，还带上 Kafka 副本机制、实时数仓这类系统题。人工智能方向则集中在 SGD 与 BGD 的取舍、损失函数、模型压缩、numpy 广播，以及一道「设计 AI 理财助理」的场景题。准备方式不是重学一遍，而是给每块准备三到五个能展开两分钟的答案：先给定义与结论，再说原理或取舍，最后落到一个项目或场景里的例子。自我介绍在部分场次是硬要求，2024 年 9 月那场给 5 分钟并要求选方向；数据研发那份帖明确要求包含常用技术栈、SQL 掌握程度、实习竞赛论文，按这个清单准备 2 分钟和 5 分钟两个长度。

数仓分层、数据倾斜与多级缓存：三个容易答空的点

数仓分层要答出每层「解决什么问题」而不是只背名字：ODS 保留贴源明细、只做字段标准化与分区，DWD 做清洗与维度退化形成一致性明细，DWS 按主题做轻度汇总，ADS 面向具体报表与应用；分层的目的就是缩小改动半径、让口径只在一处定义、并控制重复计算。数据倾斜的本质是某个 key 的数据量或计算量远大于其他 key，处理手段按「能不能改 SQL」分：SQL 层用两阶段聚合（先加随机前缀打散再合并）、把大表与小表走 map join 广播、对热点 key 单独处理；存储层调分区与分桶、把倾斜 key 拆开；如果根因是业务上的超级用户或默认值填充（null、-1 全进同一个 reducer），要先修数据。多级缓存那题按「访问速度与容量」摆层次：本地缓存挡最高频的读（进程内、无网络开销，但多实例之间不一致）、分布式缓存做共享层、数据库兜底；再补失效策略（过期时间加随机抖动，避免同时失效）、一致性（先更新库再删缓存，必要时延迟双删）、以及穿透与雪崩的防护。最后回到题目本身——为什么不用一个巨大的缓存：单点容量、网络带宽、故障影响面都会变成瓶颈。

行为题：几年就那几类，限定词越加越多

行为题是全公司共用的池子，反复出现的就五类：被派去做又辛苦又占时间的额外任务、压力应对、服务意识、与资深同事意见不一致、组织活动出岔子，外加几道一次性题（第一印象的影响因素、职责之外的经历、工厂交不出货而公司急需材料）和一道固定收尾的「读一段话」。最值得研究的是「外出学新技术、回来还要占用周末做培训」那道，它在 2023 年 10 月、2025 年 2 月、2025 年 11 月各出现过一次，措辞一次比一次长——从「但很辛苦」到「要占用多个周末时间」再到「要占用周末时间，比较辛苦」。限定词每加一个，就是多一层必须正面回应的约束：不能只说「我愿意去」，还要交代占用周末时本职怎么安排、培训怎么组织、团队与家人怎么协调。回答用 STAR 但别机械背结构，关键是把判断标准说出来：以什么为优先级、什么情况下会拒绝或向上沟通、事后怎么复盘。每类准备一个自己真实经历的例子，练到能在 30 秒内把场景、动作、结果说完整，比押原题可靠。

它排在笔试前面：这决定了准备顺序

有两位写下了完整时间线。2024 年投总行信息技术部（软件研发方向）的那位是：9.14 投递、9.20 测评、9.24 AI 面、10.11 线下二面、10.17 笔试；2025 春招那位是 02.21 AI 面、03.06 笔试、03.17 技术二面、03.25 线下终面。也有综合测评和 AI 面一起发的情况。顺序上 AI 面在笔试之前，意味着第一轮就要拿八股去换门票——等笔试完再补技术题，这一关已经过去了。把上面按方向整理的题面各过一遍，掐着表练三轮，是最省时间的准备方式。