大模型 面试题

16 家 AI 公司面经汇总：8 道高频题与答题要点

汇总字节、百度、美团、滴滴、腾讯等 16 家公司 AI 岗面经后归纳出的 8 道高频题：不用框架手写 Agent 的模块拆分、RAG 召不到数据怎么排查、Agent 记忆管理与压缩、MCP/Skill 工具接入、KV Cache 与长文本显存、MoE 路由与负载均衡、LoRA 原理与 rank 选择，以及 Agent 开发与传统前后端开发的本质差异。

扒了 35 家 AI 公司面经，考最多的居然不是 Transformer

汇总 35 家大模型公司约 600 道面经题后的高频考点复盘：出现次数最多的是 KV 缓存与显存计算，其次是 MoE 的路由与负载均衡、Prompt 与 RAG 和微调的选型，以及面向海量用户的聊天助手系统设计。

RAG 取不到数据怎么排查？三个回答层次见水平

AI 岗面试真题「RAG 取不到数据，你怎么排查？」的三层答法对比：只说要换 embedding、调 topK 与阈值的背题式回答；按数据是否入库、chunk 切分、query 匹配、rerank 四层定位的项目级回答；以及只有真在生产环境踩过坑才说得出的细节——表格被当纯文本切掉行列结构、口语化提问需要先改写再检索。

阿里千问 Agent 开发二面

阿里千问 Agent 开发二面面经，11 问集中在 Agent 工程：LangGraph 架构组件、Function Calling 原理与工具调用的常见坑、Query 改写、多轮对话缺陷与 Prompt 拼装顺序，另有手写快排。

阿里千问 Agent 开发二面

阿里千问 Agent 开发二面面经，11 问集中在 Agent 工程：LangGraph 架构组件、Function Calling 原理与工具调用的常见坑、Query 改写、多轮对话缺陷与 Prompt 拼装顺序，另有手写快排。

百度大模型算法岗一二面面经

百度大模型算法岗一面二面面经。一面考多模态架构、视觉语言 Adapter、ViT 特征提取与自注意力原理，并手撕最大正方形；二面深入 MHA/MQA/GQA 与 KV Cache 显存、PagedAttention 和代码补全 Agent 的工程实现。

百度后训练大模型算法岗一二三面面经

百度后训练大模型算法岗一面到三面面经。一面考困惑度等概率类评估指标的物理意义、Mid-Train 中间训练阶段的定位与配置差异、冷启动到 RL 的过渡设计、Tag-level 与 DAPO 的差异，并手撕重要性采样；二面集中在多模态与 MOE，追问 ViT 与 LLM 的损失函数、视觉-文本对齐策略、路由设计以及未命中目标专家的惩罚约束；三面围绕项目复盘与训练范式的理解。

百度后训练大模型算法岗一二三面面经

百度后训练大模型算法岗一面到三面面经。一面考困惑度等概率类评估指标的物理意义、Mid-Train 中间训练阶段的定位与配置差异、冷启动到 RL 的过渡设计、Tag-level 与 DAPO 的差异，并手撕重要性采样；二面集中在多模态与 MOE，追问 ViT 与 LLM 的损失函数、视觉-文本对齐策略、路由设计以及未命中目标专家的惩罚约束；三面围绕项目复盘与训练范式的理解。

字节大模型算法秋招一面

字节跳动大模型算法秋招一面面经：十道题覆盖基座模型选型与备选评估、数据方案与公开数据集、DAPO 与 GRPO 的差异、强化学习选型考量、上下文压缩与有效长度、长程 Agent 优化方向、FlashAttention 分块原理与 PagedAttention 的 KV Cache 管理，末尾手撕 Self-Attention。

字节大模型算法岗秋招一面

字节跳动大模型算法岗秋招一面面经：从基座模型选型理由与备选评估、数据方案与公开数据集取舍，问到 DAPO 对比 GRPO 的改进、强化学习算法选型考量、上下文压缩与有效长度，下半程是 FlashAttention 分块原理、vLLM 的 PagedAttention，最后手撕 Self-Attention。

携程秋招前端开发一面面经（10.08）

携程秋招前端开发一面记录，全程近一小时且几乎不问项目：从数组链表、flex 与响应式布局等基础，到浏览器渲染机制、TS 类型守卫、防抖节流，再到虚拟列表与打包构建工具，最后追问大模型输出为何不稳定、RAG 召回机制与 prompt 效果验证。

科大讯飞 AI 后训练一面面经：实习深挖与数据验证性

科大讯飞 AI 后训练一面面经：自我介绍后集中深挖实习——做的内容、论文、具体方法、效果以及对数据验证性的考量，追问实习时间短的原因和当前的成果，最后反问讯飞基模的情况。

经纬恒润 AI 应用开发一面面经

经纬恒润 AI 应用开发岗一面面经，约 30 分钟、无手撕：开场问转行与离职原因，主体是 RAG 实习项目的双路召回、意图识别、评测指标、文档解析与图片表格处理，以及个人 Agent 项目的框架选型、MCP 与长短记忆实现。

米哈游 大模型算法 面经：LoRA 一致性、Agent 与推理优化

米哈游大模型算法岗面经：ACM 模式代码题加三道手撕（岛屿数量、rand7 实现 rand10、冒泡排序），技术题覆盖 LoRA 原理与一致性控制、大请求量下的 QPS 保障、Agent 使用经历、实习期 60 多个自动化验证用例的追问，以及多模态视频输入与视觉幻觉缓解、embedding 与 reranker 的分工、ANN 选型、Transformer 与 Attention 复杂度、KV Cache、GQA/MLA、vLLM、Flash Attention、稀疏注意力和推理变慢的排查思路。

虾皮 Agent 开发一面

虾皮 Agent 开发一面面经，全程围绕三个项目深挖：微调与 Prompt 的选型、代码仓库 Description 的粒度与失效纠正、故障归因系统的日志排查与效果评估，以及知识图谱问答的 Query 拆解与实体排序。

淘天 Agent 开发二面：30 多道场景题与系统设计追问

淘天 Agent 开发二面：面试官不开摄像头、开场直接抛场景题，全程围绕智能客服 Agent 的职责拆分与记忆设计、高并发下的容灾降级、大模型在推荐链路各环节的作用、双塔与生成式召回的取舍、信息茧房与 AB 实验，以及 Skill 治理、部门知识沉淀、动态 workflow、幻觉与事实锚定、多 Agent 协作和模型调用链路优化，最后手撕双塔召回的前向传播。

腾讯 CSIG 后训练实习一二面面经：从位置编码到 PPO 与 GRPO

腾讯 CSIG 后训练岗日常实习一、二面共 18 道题：一面考位置编码演进（绝对位置编码到 RoPE 及后续优化）、视频 VLM 的帧采样与时序建模、多模态输入编码差异、长文档与超大分辨率适配、推理超参、SFT 与 RL 的特性与业务场景、数据飞轮、稀疏 Attention 和量化；二面考 RL 熵值与 KL 监控、KV Cache 原理与显存优化、vLLM 与 SGLang 加速机制对比、PPO 与 GRPO 的细节差异、VLM 训练阶段与业务指标归因。

腾讯 CSIG 业务后训练日常实习一二面：大模型与 RL 高频深挖

腾讯 CSIG 业务后训练日常实习一面二面记录：一面围绕位置编码演进、视频 VLM 的帧采样与时序建模、Qwen2-VL 与 Qwen3.5-VL 编码差异、超大分辨率与长文档适配、推理超参、SFT 与 RL 的适用场景、数据 Pipeline、稀疏 Attention 与模型量化；二面深挖 RL 训练监控指标、KV Cache 与显存优化、vLLM 与 SGLang 的加速机制差异、PPO 与 GRPO 算法细节、RL 三核心以及 VLM 全流程训练与指标归因。

腾讯混元 AI Infra 一面

腾讯混元 AI Infra 一面面经，围绕大模型训练的四种并行展开：TP 的切分维度与通信、集合通信量怎么算与何时判定通信瓶颈、DP 与 TP 的取舍及训练与推理的差异、PP 的 Stage 划分与 Bubble，以及 CP 在长上下文场景下的跨卡 Attention。

腾讯大模型算法岗一二面面经

腾讯大模型算法岗一二面记录：一面考注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO，并手撕多头注意力；二面考多工具 Agent 训练、rollout 奖励与 LLM Judge 评估。

腾讯大模型算法岗一二面面经

腾讯大模型算法岗一面二面面经：一面考多头注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO；二面考多工具 Agent 的 SFT、rollout 奖励与端到端时延归因。

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。

中国电信深圳智能云网工程师10月面经

中国电信深圳智能云网工程师专业面面经：约十五分钟、两位面试官，问题偏结构化，覆盖投递动机、对智能云网的理解、OSI 七层、MBTI、成绩单补考、对电信的了解、用过哪些国内外大模型、有没有考虑软件开发岗与 AI 使用经历、倾向工作地点。

千问 AI 研发一面凉经：Agent 设计、工具调用与 LangGraph

千问 AI 研发一面凉经：13 问几乎全压在 Agent 上——Agent 与固定 workflow 的边界、工具调用的幻觉与错误处理、循环终止条件、LangGraph 图流转、Skill 粒度与评测，最后发现岗位偏移动端和前端。

阿里千问二面：Agent平台、评测体系与训练基础

阿里千问二面面经，共29问。前半场深挖Agent工程化：Skill与CLI及Runtime职责划分、工具调用链路、评测系统与Trace指标、自研评测取舍、多用户会话隔离；后半场转向Transformer原理与训练推理基础设施。

阿里千问 C 端大模型算法一面：推理数据与 PRM

阿里千问 C 端大模型算法一面记录：围绕实习中的长/短思维链推理数据、图像依赖较强的题目怎么提升、训练效果不好时的排查、图文数据构建、PRM 的 reward 设计与训练、Agent 实践展开，最后是两道题——抛硬币的概率期望与 badcase 数据池的采样提升方案。

蚂蚁集团大模型算法岗面经

蚂蚁集团大模型算法岗多轮面经汇总，重点考察 PPO/GRPO 的四个模型与损失函数、KL 估计方式、rollout 与 batchsize 的资源关系、拒绝采样、Agent 记忆系统设计与 vLLM 推理加速，另有 RAG 混合检索与术语消歧、LoRA 微调层选择、高并发低延迟部署等落地问题。

蚂蚁集团大模型算法岗面经合集：RAG 与 Agent 工程

蚂蚁集团大模型算法岗五场面试合集，覆盖意图识别、RAG 流程与优化、Function Call 原理、Agent 与 MCP 概念、Java 线程池与并发基础、秒杀与转账场景的锁和事务设计、HTTPS 安全机制及线上稳定性保障。

百度 Agent 秋招算法岗一面二面面经（附 Top-K 采样手撕）

百度 Agent 秋招算法岗一二面面经：一面围绕多 Agent 架构与分工、长期记忆检索、评估手段展开，手撕区间差集与带温度系数的 Top-K 采样；二面追问三级记忆的必要性、记忆评估指标、双引擎存储与混合检索，手撕生成有效括号。

百度 Agent 秋招算法岗一面二面面经（多智能体与三级记忆）

百度 Agent 秋招算法岗一二面面经：一面深挖多 Agent 的分层架构、子 Agent 职责分工与异常容错、长期记忆存储与评估，手撕区间差集；二面追问三级记忆体系的必要性、双引擎存储与混合检索，手撕生成有效括号。

百度 算法岗面经 两轮 智驾决策与大模型

百度算法岗两轮面经。第一轮围绕智驾决策模型深挖，问单 Head 设计、Loss 与 Reward 设计、决策与预测任务的监督方式、开环与闭环训练、离散决策如何生成轨迹和风险映射；第二轮从大模型实习切入，追问 SFT 与 GRPO 的改动。

百度大模型算法岗一面二面面经（GSPO 与多智能体）

百度大模型算法岗一二面面经。一面考强化学习对齐选型（GSPO 相对 PPO、GRPO 的优势）、多智能体协作与记忆、Qwen 多模态与 MRoPE、RAG 全流程，手撕最长公共子序列；二面考 ReAct、SFT 与 RLHF 数据、自注意力与 QKV。

百度大模型算法岗一二面面经（对齐、Agent 与多模态）

百度大模型算法岗一面二面面经合集。一面围绕对齐算法选型（GSPO 与 PPO、GRPO 对比）、视觉语言模型、多智能体拆分与记忆、Qwen 多模态与 MRoPE、RAG；二面深入 ReAct、SFT 与 RLHF 数据、奖励模型、检索选型与 QKV。

字节 260901 一面面经

字节跳动 AI 大模型开发平台后端一面，面试岗位属数据平台方向：实习项目深挖 Agent 迭代与回归评测、文档切分与长上下文、离线评测与线上观测、长程任务评测，个人项目考意图消歧与 Agent 框架选型，场景题讨论通用 Agent 的效果评估与竞品比较，最后两道手撕。

字节多模态大模型一面二面三面：从 Lora 微调到手撕算法

字节多模态大模型岗三面连轴面经：一面围绕论文与 RAG 项目、质量过滤模型、LoRA 原理、Transformer 自注意力与 BERT/GPT 差异、RLHF 与 DPO，手撕最长公共子序列；二面拷打多模态训练与 Prompt 验证、数据清洗、CLIP、幻觉与复读机、前馈网络升维降维、LLaMA 版本差异；三面偏开放，聊对大模型结构演进与训练难点的理解。

招银 Java 后端二面：KV Cache、分布式锁与微服务

9 月 16 日线下二面，从实习中的 KV Cache 聊到项目锁设计，技术面后进入 HR 面。

Coremail 校招技术面试面经

Coremail 校招技术面试记录，全程围绕简历展开：本科与研究生之间两年空窗期的解释、项目内容与个人负责板块的深挖、项目中使用的大模型与智能体选型，以及岗位优势的自我陈述，面试官还会临场要求英文自我介绍。

携程 Agent 开发一面：LangGraph 项目全链路拷打

携程 Agent 开发岗一面面经，9 月 23 日面试，全程拷打简历主项目：LangGraph 的状态节点与 checkpoint 设计、知识图谱相对纯 RAG 的增益、自训模型与测试集回归、延迟取舍与业务背景匹配度。

天翼云 9.19 笔试 相邻和为合数的构造题

天翼云 9.19 笔试复盘：选择题偏基础并带一些大模型相关内容；算法共三题，第一题模拟必须用 long 才能得分，第二题是相邻两数之和为合数的排列构造，第三题没读懂题意，输出 0 拿到约 22% 的分数。

大疆 9.23 算法类笔试记录：大模型训练与端侧推理场景题

大疆 9.23 算法类笔试记录：单选、多选、判断加问答题，最后一题是场景设计——为手机端自然语言回答助手解决多模态大模型出 token 慢的问题，要求从 KV Cache、权重压缩等方向给出方案；帖子作者投的是 Agent 岗，但考点偏大模型训练。

广电数科 Java开发实习生面经

广电数科 Java 开发实习生面经，覆盖大模型应用链路、Spring、Redis、缓存一致性、消息队列、并发与 JVM 排障。

科大讯飞线下面经：模型超时、部署与线上排障

科大讯飞 测试开发二面（40min）：知识库、测试覆盖与大模型痛点

科大讯飞测试开发二面，9 月 29 日，约 40 分钟。围绕自建知识库追问为什么搭建、落地思路、效果变化与前后差别，并延伸到测试产物覆盖度的保障策略、印象最深的 bug、Codex 使用技巧、skill 与 agent 的区别，以及大模型在测试领域的落地痛点。

合合信息多模态大模型算法研究员一面 + 作业帮大模型算法一面二面

合合信息多模态大模型算法研究员一面与作业帮大模型算法一面、二面合集，问题覆盖如何判断 SFT 模型可以转 RL、DPO 奖励函数与 DPO/GRPO 对比、RL 训练中输出变长的原因、DPO 数据筛选稳定性与 OCR 模型架构，手撕三数之和、搜索旋转排序数组。

京东 大模型算法岗面经合集 02：多模态位置编码、Agent 与 SFT/RL 追问

京东大模型算法岗 9 场面试记录：VLM 项目追问 M-RoPE 视频位置编码与 SAM2，RoPE、ALiBi 与 SwiGLU 八股，Agent 与 SFT/GRPO 链路，RAG 与库存一致性，以及一场偏前端的 Vue 响应式面试。

京东 大模型算法岗面经合集 01：PPO/DPO/GRPO 八股、音视频链路与端侧 AI 追问

京东大模型算法岗 6 场面试记录：强化学习与微调原理（PPO 与 GRPO 的 KL 约束、DPO 的数据构造）、音视频链路深挖（AAC 与 Opus、WebRTC、3A 算法）、LoRA 参数、RAG 切片与召回优化，末尾手撕 LRU。

金山软件 AI全栈一面

金山软件 AI全栈一面，整理面试中涉及的Java、MySQL、Spring、并发等重点问题，供求职者准备相关岗位面试时参考。

快手大模型 Agent 研发一面：Reconcile、Lease 与多 Agent 架构

快手大模型 Agent 研发一面全是连续追问：从 Reconcile 恢复、Lease 与崩溃处理、Fencing Token 的实现与取舍，到单 Agent 与多 Agent 的对照评测、Runtime 事件适配、Skill 加载与会话恢复的信息泄露风险。

理想汽车智能体应用开发一面：Agent 路由与项目深挖

理想汽车智能体应用开发 9 月 22 日一面，几乎全程围绕项目：用「背景—问题—方案—结果—技术含量」讲清最有挑战的项目，再追问 Agent 路由是 LLM 打分、关键词分类还是规则表，跨场景的一句话怎么处理串并行，最后是论文迁移。

联咏一面 AI 应用开发：恒等映射、softmax 与 YOLO 架构

联咏 9 月 15 日 AI 应用开发岗一面面经：从实习里的 token 节省与银行 Agent 讲到技术题，覆盖算子恒等映射的实现、softmax 公式与数值稳定性、YOLO 架构可改的结构，以及整套模型评测体系怎么搭。

美团 Agent 一面：项目架构拷打加 Java 基础八股

美团 Agent 一面：两段大厂 Agent 实习被逐个追问架构与技术选型（多 Agent 还是单 Agent、微调还是 RAG、LLM 记忆），看重项目架构能力；个人后端项目没问，八股覆盖数组与链表、TCP/UDP、Python 与 Java 底层、JVM，手撕最长公共前缀。

美团 自动驾驶算法工程师一面：VOC 大模型实习与强化学习项目拷打

美团正式批自动驾驶算法工程师一面，2026 年 9 月 21 日，约 55 分钟。前半程深挖实习的 VOC 用户之声与大模型分类打标，后半程围绕强化学习项目的奖励设计、MHA 与评价指标追问，最后是最大下降幅度手撕题与 AI Coding 经验。

美团 9.19 笔试 十道 AI 选择题与因子数量题

美团 9.19 笔试复盘：10 道单选几乎都与 AI 相关，覆盖多 Agent 共享事实、Transformer-XL、ZeRO-3 显存、KMP 与二分比较次数、RLHF 与 PPO、子网掩码和 ViT；编程题为两数相乘后因子数量最大值。

面壁智能二面：AI 时代程序员的能力与实习规划

面壁智能二面面经：整场更像深聊，问自我介绍、在字节做的业务、能实习多久以及秋招冲突、怎么看 AI 发展与未来程序员需要的能力、token 用量是多少；反问环节问了实习生期待、产品瓶颈、团队怎么用 AI 和团队技术选型。

宁波银行金融科技笔试：60 道单选加 20 道多选

宁波银行金融科技岗笔试复盘：题量为 60 道单选加 20 道多选，考察面很杂，横跨 Java、Python、数据结构、计算机网络、操作系统与大模型应用，整体难度不算高，但需要快速切换知识领域。

蔚来大模型算法岗（智能座舱/自动驾驶）实习一面面经

蔚来大模型算法岗（智能座舱/自动驾驶）实习一面，约 40 道场景设计题：端云部署取舍、语音助手 Agent 架构、复合指令与安全操作二次确认、VLA 与多模态融合、座舱 RAG、隐私脱敏与 OTA 版本管理，末尾手撕数组全排列。

拼多多Agent方向一面面经（60min双机位）

拼多多Agent方向一面面经，60分钟双机位。全程围绕Agent工程细节深挖：工具调用单个还是多个、并行还是串行、如何设计带工具调用的Agent、上下文压缩与压缩后的缓存命中、工具调用冲突、大量工具时准确率下降的解法，代码题是括号生成。

拼多多服务端研发工程师一面面经

拼多多服务端研发工程师一面面经，考察拓扑排序、项目实践、大模型基础、Spring AOP及MySQL索引优化。

水滴测试开发一面：Agent 项目深挖与并发八股

水滴测试开发一面面经：先围绕 Agent 项目与 AI 提效深挖，追问测试报告指标、疑难 bug 定位和自动生成测试用例的效果量化，再考进程线程协程、线程池参数与任务队列等并发基础，最后问如何控制大模型输出符合伦理要求。

思特威智能体开发二面：Agent Loop 与行业演进

思特威智能体开发岗 9 月 17 日线下面试二面面经，原帖记录只有两个问题：讲一下你对一个 loop 的理解、智能体目前的发展情况。问题虽少但都很开放，考察对 Agent 运行机制和行业脉络的整体认识。

腾讯AI Agent开发岗三场面经（评测、Agent Loop与内容安全）

腾讯 AI Agent 开发岗三场技术面，围绕实习项目深挖评测体系：评测集构建与覆盖、人工归因自动化、Agent Loop 设计，以及元宝内容安全检测指标与 RAG 文档切分策略。

腾讯混元大模型算法岗一面真题

腾讯混元大模型算法岗一面的同题记录：从 Agent-RL 的奖励分层与长链路信用分配讲起，串起 GRPO 各支改进、PRM 如何进 advantage、多智能体值不值得拆、Agent 评测指标怎么选，再落到混元 MoE 与跨层注意力、DPO 双降归因、BM25 的词频饱和与长度归一化、以及阶段内 token 归一化对长度偏好的影响。

腾讯混元大模型算法岗一面面经

腾讯混元大模型算法岗一面真题，围绕 Agent 强化学习展开：奖励设计与长链路信用分配、GRPO 的衍生改进、Multi-Agent 的收益与代价、PRM 如何接入训练、Agent 评测体系，并延伸到混元自身的 MoE 与 Attention 设计、DPO 概率双降、BM25 检索以及分阶段 token 归一化。

vivo Agent 开发线下一面：Harness 与 Agent 工程

vivo Agent 开发岗线下面试记录（约 22 分钟）：先问学历与方向意向，随后围绕对 Agent 的理解、Harness 的作用展开，要求举出因 Harness 环节做得不好导致的问题与排查思路，并介绍自己的 Agent 实践与 AI 学习方法；原帖还记录了笔试与面试邀约的拖沓体验，以及当晚收到感谢信的结果。

杭州微链AI应用开发面经：文档入库与DeepAgents

杭州微链AI应用开发面经，面试以工程能力与学习能力考察为主。围绕实习中文档入库全流程、图文混排存储、RRF融合的k值调参、DeepAgents的模型无关性与子Agent上下文设计、大模型调用异常处理，以及结合微信新能力做AI客服的方案选型展开。

小红书 大模型算法岗面经合集：隐式 CoT、RAG 上下文管理与 LoRA 微调

小红书大模型算法岗七场面经合集，2026 年 6 月到 9 月。覆盖隐式 CoT 的双任务蒸馏、RAG 分块与多轮指代消解、上下文膨胀、BCE 与 InfoNCE 联合损失、vLLM FP16 池化溢出、LoRA 原理与 Agent 架构。

小红书 大模型算法岗面经合集（二）：Redis 秒杀、MCP 与搜广推链路

小红书大模型算法岗八场面经合集（二），2026 年 3 至 4 月。深挖项目：Redis 集群 Lua 原子性、令牌桶限流、秒杀防超卖、点赞用 set 还是 zset、RAG 降幻觉怎么量化；另覆盖 nl2sql、MCP 与搜广推序列建模。

小红书 大模型算法岗面经合集（三）：Transformer 细节、DPO 与推理优化

小红书大模型算法岗九场面经合集（三），2025 年 12 月至 2026 年 1 月。覆盖 Transformer 结构与 GQA，微调 7B 显存估算、FlashAttention、DPO 与 RAG 微调，以及 PPO、GRPO 差异。

小红书多模态算法秋招二面面经（约 40 题 + 手撕）

小红书多模态算法秋招二面记录，约 40 题加一道手撕。考察视觉编码器与 LLM 连接方式、多模态幻觉、InfoNCE 温度，以及 SFT 调优、PPO/DPO/GRPO 选型、OOM 优化、端侧推理与蒸馏；手撕为矩阵原地旋转 90 度。

中兴未来领军计划 AI 算法一面：RAG、Agent 与 Claude Code 原理

中兴未来领军计划 AI 算法岗一面面经，全程围绕大模型与 Agent 工程展开：RAG 中 embedding 与 rerank 的分工、Agent loop 的终止条件、子 Agent 的实现方式与多智能体协作，并追问了 Claude Code 原理、effort 参数、弱模型结构化输出与 AI 编码工具的实际使用情况。

互联网大厂产品工程师一面面经

产品工程师一面记录，重点考察 RAG 检索流程、Chunk 切分与 Top-K 选择、失败案例定位、代码阅读和 LRU 缓存实现。

海信集团27届校招AI产品经理一面面经

海信集团27届校招AI产品经理一面面经，覆盖Agent与工作流、模型幻觉、主流大模型选型、海外营销工具设计和营销数据治理。

建信融通后端开发二面面经

建信融通后端开发二面面经，业务总监+HR联合面试，重点考察候选人如何使用Spring AI对接大模型完成核心功能开发，以及处理用户历史聊天时如何保证上下文关联性等AI工程落地细节。

阿里云AI产品经理一面面经

阿里云AI产品经理一面面经，考察LLM、扩散模型和RAG基础，模型微调与提示词工程选型、幻觉治理、垂直场景产品设计及需求优先级。

字节跳动后端开发一面面经

字节跳动后端开发一面面经，重点考察缓存技术（Guava/Caffeine）、分布式缓存一致性、TCP/HTTP协议细节（队头阻塞与QUIC）、大模型幻觉优化及算法实现。适合准备大厂后端面试的求职者复盘核心技术栈。

字节飞书Golang开发一面面经

字节跳动飞书部门Golang开发岗位一面面经。面试涵盖RAG技术原理、大模型超长上下文处理、JVM内存模型、多线程并发安全及语言对比等核心内容。通过本次面试复盘，学习如何应对高并发场景及大模型架构设计问题。

京东AI后端开发日常实习二面面经

京东AI后端开发日常实习二面经验分享。面试重点围绕项目实战、Spring AI框架设计、RAG流程逻辑、Agent架构（长期/短期记忆）及AI辅助编程工具应用。考察候选人对大模型工程化落地及复杂业务重构的理解能力。

京东物流实习生二面面经（Agent项目深度拷问）

京东物流Java后端实习生二面面试记录。面试官重点考察Agent项目开发经验，涵盖RAG架构设计、Spring AI框架原理、大模型记忆机制、AI辅助编程工具应用及业务场景落地能力。无手撕算法，侧重工程思维与技术选型。

京东科技AI后端研发一面（日常实习）

京东科技AI后端研发日常实习一面，约1小时，涵盖秒杀防超卖加锁机制、Caffeine本地缓存一致性、Agent memory模块设计、大模型架构选型，以及Java内存模型、RPC框架、HTTP协议等八股题，适合准备后端实习面试的同学参考。

快手后端开发实习一面面经

快手后端开发实习一面面试题解析，涵盖项目架构设计、Java八股文、LangChain与LangGraph核心机制、向量数据库Milvus索引、大模型LoRA微调及vLLM原理。适合准备高阶后端及AI应用开发岗位的候选人复习参考。

快手后端开发实习二面面经

快手后端开发实习二面面经分享。面试重点围绕大模型应用落地，涵盖Milvus向量数据库选型、LangChain/LangGraph框架对比、模型评测、SFT与RL算法对比，以及MySQL锁机制与链表排序算法题。适合准备AI相关后端开发职位的同学复习参考。

3.31 美团食杂零售后端一面面经

美团食杂零售业务部后端开发一面面经。重点考察大模型项目落地经验，涵盖向量数据库选型与优化、双向量召回流程、Java线程池底层原理及锁升级机制，并包含快排相关算法题。

腾讯AI后台开发27实习一面分享

腾讯AI后台开发实习生面试题整理。涵盖Java集合与并发机制、MySQL性能优化、Kafka高可用架构、MyBatis SQL注入防御及大模型应用落地等核心考点，助力后台开发岗位面试备考。

武汉微派网络服务端开发工程师一面面经

武汉微派网络服务端开发一面面经。考察内容覆盖实习项目、Java核心（HashMap、JVM、GC）、MySQL底层（索引、MVCC、事务）、Redis数据结构、RabbitMQ可靠性及大模型相关技术（MCP、Text-to-SQL）。含手撕算法合并有序数组。

小红书 Product Engineer AI 应用方向一面面经

小红书产品工程师 AI 应用方向一面，考察检索 Agent 的上下文管理、大模型输出约束，以及把模糊需求拆成文档后用 AI Coding 完成实现和审查。

中科创达面试复盘

中科创达面试复盘，围绕Java基础、线程池、CAS、JVM、MySQL索引与事务、RAG检索流程、LangChain、AI客服和Agent开发展开。

快手杭州电商大模型应用Java一面面经

快手杭州电商部门大模型应用开发岗位一面面经。重点考察RAG知识库架构、Function Calling机制、向量数据库对比及高性能并发场景处理。涵盖Java线程池原理、秒杀系统设计及RAG优化路径，适合大模型后端开发求职者备考。

快手杭州电商大模型应用Java一面面经

快手杭州电商大模型应用开发一面面经，重点考察RAG架构设计、Function Calling机制、向量数据库选型及秒杀场景下的Redis Lua脚本应用。此外涵盖Java线程池核心原理及大规模知识库系统架构设计。

美团产品经理岗位 AI 面面经

美团产品经理 AI 面记录，集中考察大模型与 AI 编程工具的真实使用、付费情况、API 调用、论文阅读和独立 AI 产品经历。

腾讯云 AI 产品经理实习一面面经

腾讯云 AI 产品经理实习一面，覆盖 LLM、Diffusion、RAG、微调与提示词工程、幻觉治理、垂直场景设计、需求优先级和竞品分析。

腾讯IEG春招技术面二面面经

腾讯IEG春招二面面经，涵盖MySQL原理（回表/同步/锁）、分布式一致性协议（两阶段提交/Raft）、TCP网络编程、操作系统内存管理、多线程死锁及大模型（AI Agent/RAG/Token优化）相关技术深度考察。

腾讯IEG春招技术面二面面经

腾讯IEG春招二面面经，重点考察数据库原理（MySQL/Redis/Mongo）、分布式一致性协议（Raft/2PC）、TCP网络编程、操作系统内存管理、多线程及死锁，深度探讨了大模型应用开发（RAG/Prompt压缩/Token优化）及项目实践与架构设计。

无锡友文物联科技Java一面面经

无锡友文物联科技Java后端开发面试考察重点：包括Java并发编程（CAS、原子类）、多线程编排、大模型应用实践（Text-to-SQL、Skill规范）及设计模式。适合了解Java底层原理及AI辅助开发应用场景的候选人参考。