AI应用开发 面试题
共 18 篇真实面经 · 涵盖 高斯信息技术 / 恒生电子 / 美团 / 虾皮 / 某互联网公司 等 11 家公司
高斯信息技术 AI 开发工程师一面：BERT微调与LangGraph编排
高斯信息技术 AI 开发工程师一面面经：以项目深挖为主线，追问 BERT 微调与知识图谱设计，再考 Transformer、LangGraph 编排、图谱检索与 RAG 差异，以及工程广度与 AI Coding 心得。
恒生电子 AI 应用开发工程师 AI 面面经
恒生电子 AI 应用开发工程师 AI 面面经：技术侧考 Python 装饰器参数处理、InnoDB 加锁与 B+ 树范围检索、MCP 一次交互的客户端流程；AI 侧深挖上下文管理、长期记忆检索时机、RAG 与传统检索及微调的取舍、受控编辑与评估指标、LangGraph 选型与 Checkpoint 冲突。
恒生电子 AI 应用开发（杭州）一面面经
恒生电子 AI 应用开发（杭州）一面面经：先深挖实习项目与 Agent 项目的主导程度，追问 Agent 选型为何不用 local agent、开源框架了解哪些、能否直接基于 DeepSeek Agent 开发，再考 Redis 数据结构与 RDB 与 AOF 持久化及 AOF 丢数据场景，最后是 ThreadLocal 在线程池复用下的污染问题与解决方案。
美团 AI 应用开发一面面经（通过）
美团 AI 应用开发一面，从电商客服项目切入，深挖召回串味的排查与意图路由、长答案句子级切片；八股考 Transformer 注意力机制与 KV 缓存、多轮对话状态存储，手撕最长无重复子串，整体偏项目取舍而非背诵。
虾皮 AI 应用开发一面面经
虾皮 AI 应用开发一面，围绕 RAG 在线查询链路深挖五路召回与 RRF 融合、去重与稳定排序、Reranker 超时降级，追问评测集分层与重构等价性验证；工程侧考 Kafka 吞吐压测、故障注入验证重复与丢失率、AB 实验口径与护栏指标，以及如何用 spec 与验收标准驱动 AI 写代码。
小厂智能体应用开发面经：PDF 切块、大模型 JSON 输出与 NL2SQL
某互联网公司智能体方向的 AI 应用开发面经，整场不到十分钟。考点是 PDF 文档切块与图文公式处理、大模型输出 JSON 不规范怎么兜底、记忆与知识库的测评，以及 NL2SQL 检索超出上下文限制的应对，作者自述第八题没答上、全程紧张。
信锐网科 AI 应用开发一面：推理服务容量、Protobuf 兼容与上下文压缩
信锐网科 AI 应用开发秋招一面面经：从自我介绍和平台请求链路切入，考性能优化优先级怎么定、接入层与模型服务的边界怎么划、C++ 调 Go 推理服务的协议与错误语义，再问 Protobuf 多版本兼容、推理容量评估与压测转化、AI 生成代码上生产的验收环节，以及上下文超预算时的压缩策略。
信锐网科AI应用开发二面：RAG切分、Agent评测与MCP边界
信锐网科秋招 AI 应用开发二面面经：AI 编程工具产出的代码如何判断能否合并、企业知识库 RAG 的文档切分有什么坑、怎么证明 Agent 比普通问答更有效、何时该用固定工作流、MCP 与 Skill 的边界，以及工具误调用与提示词注入的防御。
阿里云AI应用开发一面：代码找错与RAG八股
阿里云 AI 应用开发一面面经，9.16 面 9.19 挂。三道代码题：wait/notify 实现栈找错、100 元红包 10 人分且单人不超过 90、爬楼梯。面试题覆盖大模型幻觉与缓解、完整 RAG 流程与选型、MCP、几十亿商品表的库表设计。
帆软终面面经：全程被打断的压力面
帆软终面面经：面试官没有深挖算法八股，围绕岗位理解、实习项目里的技术名词、Dify 工作流和「为什么做 RAG 而不微调」追问，全程频繁打断并质疑回答，作者复盘了压力面应对与反问环节的得失。
华为AI开发一面：向量数据库选型与并查集手撕
华为AI开发一面面经，9.23面试、约1小时。前半场讲项目流程与模块划分，随后集中追问技术选型：用的什么向量数据库、为什么选它、还了解哪些、除HNSW外还有什么索引；关系型数据库用什么、会不会看慢SQL、用了哪些开源框架与组件、自己的项目有没有真上线；另有一道 Python 的 is 与 == 的区别，以及要求对自己产品线有了解，最后是25分钟的并查集手撕。
华为AI开发二面：准确率数字怎么证明可信
华为AI开发二面面经，9.23面试、约40分钟。围绕实习项目深挖：项目是否上线、如何保证任务完成准确率这个数字可信且有意义、失败任务怎么分析并反向迭代、项目难点在哪怎么解决、回看哪里还能优化、怎么和上下游沟通确保任务理解正确，另外要求讲一下论文，手撕题是回文字符串。
华为AI开发三面：十五分钟的主管面
华为AI开发三面面经，9.23面试、仅15分钟，全部是开放问题：为什么没有留在实习部门、实习平台解决什么业务痛点并从零到一是怎么落地的、Agent方向的职业发展规划、手里还有哪些offer与选公司的考量因素、哪个项目最有成就感、遇到技术问题怎么获取支持、以及能否适应华为的工作强度。
恒生电子AI应用开发AI面试：JVM、InnoDB加锁与RAG切分
恒生电子AI应用开发岗AI面试真题，六大部分共24问：JVM类加载与双亲委派如何防篡改核心类库、InnoDB按主键/唯一键/普通字段做update时加锁差异与间隙锁、Function Calling的参数生成与非法参数治理、跨章节超长文档的分块策略与口径匹配率指标、多智能体矛盾结果仲裁与资料冲突采信优先级，以及Spring AI的抽象设计与原生短板。
美团 AI 应用开发一面：Agent 平台架构与 ReAct 编排
美团 AI 应用开发一面面经，深挖实习的 Agent 平台：意图识别树、ReAct 与 Plan-and-Execute 的取舍、重规划策略、工具超时重试与幂等、混合检索 RRF 融合，最后是 AI Coding 工作流和岛屿数量手撕题。
阿里巴巴淘天AI应用研发一面：Skill/MCP/Harness与缓存一致性
阿里淘天AI应用研发一面面经，9.14面试、9.17流程终止。手撕最长有效括号与岛屿数量，后面全程场景题：CR Agent为什么不用固定Workflow、ReAct与Plan-and-Execute怎么选、Skill/MCP/Function Calling的分工、Skill契约与渐进式加载、100个MCP工具怎么路由、Harness与Agent框架的关系、上下文压缩、多Agent写同一文件的冲突、RAG召回高但答案不准怎么排查，以及线程池、ThreadLocal、深分页与缓存一致性。
淘天供应链AI应用研发一面：Skill编排、提效证明与消息幂等
淘天供应链AI应用研发一面面经，9.21面试、一面未通过、无手撕。全场围绕AI提效的真实经验追问：拿一个bad case讲清skill做了什么判断、调了什么脚本、怎么优化；多个skill之间模型如何路由、提示词怎么写；怎么证明skill真的提升了效率、回归测评集怎么建；脚本串行改并行怎么判断；代码库很大时怎么让AI看得更准；知识库更新是否要人review；用户给出明确报错时向量检索反而查不到的原因与改进；以及消息重复、布隆过滤器与并发消费的幂等设计。
虾皮（Shopee）Java后端实习二面
Shopee（虾皮）Java后端实习二面面经，无八股无手撕，全程拷打RAG项目细节。考察文档解析、分块策略、向量化入库选型（pgvector vs Milvus）、效果评估指标及Agent与RAG的差异。终局为AI Coding实战题。
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」