美团小美Agent产品实习一面凉经
《面试题目》
- 深挖实习经历。
- 解释 Vibe Coding 项目的背景。
- 为什么选择豆包作为大模型？
- 项目的输入、前后端架构和最终产出分别是什么？
- 为什么不用 DeepSeek，是因为多模态能力不足吗？
- 项目后续是否会继续做，是否已跑出 MVP？
- 与 ChatGPT 讨论设计方案时，在哪里进行讨论？
- 使用 Cursor 编程时选择的是什么模型，是否使用 Auto？
- Vibe Coding 过程中有哪些感悟？
- 除了该项目，是否开发过日常小工具？
- 如何评价 Cursor、Claude Code 等不同 AI 编程工具的使用体验？
- 如何理解 Skill，它有什么作用？
- 日常有哪些卡点适合封装成 Skill？请给出思路。
《参考解析》
- 模型选型：从任务类型、效果评测、多模态能力、响应速度、成本、上下文长度和稳定性比较候选模型。不能以习惯或品牌作答，应给出测试集和权衡依据。
- MVP 验证：MVP 要覆盖一条完整核心链路，并定义任务成功率、完成时间、留存或用户反馈等指标；“页面能运行”不等于验证了需求。
- AI编程工具比较：可从代码库理解、编辑方式、工具调用、上下文管理、可审查性、速度和成本评价。结论应绑定具体任务，不必宣称某一工具在所有场景最好。
- Skill 的作用：把稳定的领域知识、步骤、约束和工具使用方式封装为可复用能力，使复杂任务有一致执行路径，并减少每次重复提供上下文。
- 适合封装的场景：优先选择高频、步骤固定、容易遗漏且结果可验证的任务，例如发布前检查、数据报表生成或特定框架迁移；一次性简单操作不必过度封装。