美团后端暑期实习一面面经（数据平台方向）

《面试题目》

1. 你的Java是自学还是说专业课学的？
2. 这两个项目是你自己练手的，还是参与什么比赛或活动搞的？
3. 你们也是学了现在典型AI的用法，然后加了一些新花样进去。那你一开始做这个项目的时候，加了这些东西之后有测试过吗？或者说你做完这个工作流平台之后，有没有具体想完成某些事情、解决哪些问题，然后实验效果怎么样？
4. 你们做的时候更多的还是基于工作流平台本身，没有设想具体能解决哪一类的问题是吗？
5. 在实践这种开放式做法的时候，你觉得你做的哪些东西是比较有挑战性，或者是你这个系统的亮点？
6. 你当时是怎么理解AI利用上下文的？然后你是怎么实现上下文管理的？提供了哪些上下文管理的功能？
7. 你们的摘要是怎么生成的？
8. 那你们的长期记忆呢？
9. 你们的上下文管理和记忆之间有什么区别？看起来最终都是把一堆东西丢给大模型，为什么要这样划分？
10. 你们加上这些功能之后有测试过吗？比如执行任务的效果变好了吗？
11. 你自己在实践的过程中，觉得agent和工作流之间是怎么结合的？这两种看起来冲突的东西合在一起有什么好处？
12. 你们当时也做这样的设计，如果一般要求能实现循环（比如所谓的生命循环执行），你们这个基于什么技术实现？能实现循环吗？
13. 你平时是怎么学习AI相关知识的？关注哪些内容？
14. 能介绍一个你比较欣赏或者觉得质量很高的信息来源吗？以及你通过学习这些信息有过什么实践经验？
15. 你学习Java的过程中有没有遇到过难点？或者你觉得哪些技术内容你掌握得比较深入？有没有排查过某些复杂的问题？
16. 除了OOP的基本原理，你有没有学过一些工程上的设计思路，比如领域驱动设计、测试驱动开发等？
17. 你在开发中觉得MVC框架哪些环节设计得很好？有没有让你觉得比野生实践方式更好的感触或认知点？

《参考解析》

1. 这类问题建议结合自己的项目经历和岗位要求准备具体案例，突出思考过程而非死记结论，面试官更看重解决问题的逻辑。
2. 介绍项目时应说明背景、个人分工、遇到的技术难点及解决方案，并量化收益（性能提升、成本下降等），便于面试官追问细节。
3. 回答AI相关问题时应结合具体项目说明如何设计Prompt、评估效果以及处理边界情况（如幻觉、超时），并展示对模型能力边界的清晰认知。
4. CPU飙高排查一般先用top/htop定位进程，再用jstack/pstack抓线程栈，结合火焰图找到热点方法，常见原因是死循环、频繁GC或锁竞争。