找实习从7月22号开始投，现在也总算是有offer了

我的学历是一个民办本，刚开始投简历的时候就是在5个招聘软件上疯狂海投，前面几天基本上没有一个回应，当时心态真的是块崩了。。。 投出去大概有200简历吧，就收到了第一次面试：江西江铃公司的面试邀请（岗位写的JAVA/AI），当时也是很珍惜这个机会，疯狂的开始准备八股，以及项目上相关的话术。 #### 第一次面试（江西江铃） 开始面试：（会议四个人->和我对接的hr、一个问我AI的、一个问我JAVA的、还有一个估计是领导之类的） 1、自我介绍 负责AI面试官问： 2、我看你两个AI项目用到的是不同的框架，你说说SpringAIAlibaba和Langchin4j的区别？ 3、你项目里的那个输入输出护轨是如何实现的？ 3、我这里有100份合同，如果是你？你会如何设计多Agent协作？ 4、你了解过dify吗？你对于dify的使用程度？ 负责问JAVA的： 1、说说你对微服务的理解？ 2、你仿12306购票系统有哪些亮点？如何解决超卖问题？ 领导问： 1、你读哪个学校？ 2、平时在学校参加过什么吗？（这里我说我参加蓝桥杯拿了省二，结果他听成你打篮球拿了省二等奖是吧....） 结束。。。也没有反问环节，就说2-3天出结果。到现在也还没有结果，发微信去问说什么公司放高温假人事部门还没出结果...(ˉ▽ˉ；)... 全程持续了18分钟，也都回答上来了，但现在已经快5天了，还是没有结果，感觉是没戏了 #### 第二次面试（四川一家小公司） 这家公司主要是AICoding方面的 1、自我介绍 2、我看你有2个Agent相关的项目是吧，来你现在打开共享屏幕演示一下（这点我真没想到，因为有个项目就是一个半成品，前端界面都没有） 3、由于第二个项目的问题，说达不到他们公司的要求，但是这个面试官挺好的应该是老板，主动给我说了还有哪些方面需要提升，最后也让我问还有什么其他想问的吗？ #### 第三次面试，也算不上面试（江苏一家电气公司） 这家公司是最奇葩的，我先说一下实习待遇：200一天，大小周，8点-17点，考虑到我距离远还有一次性1000块钱的租房补贴；公司主要业务是做自动化机器人，相当于就是流水线上的那些自动化设备 这家公司是我在前程无忧上投的，投了有2天，招聘才点开我简历来看，接着就立马打电话给我： 1、我的简历上岗位写的是应聘JAVA AI后端实习生，然后这个招聘问我，你为啥简历上写JAVA，现在代码不都用AI来写吗？（问到这里我有点奇怪了，咋问我这个问题？）我回答了一些关于Java 非常适合落地精细化 Agent 权限的案例，然后讲解了一下我的项目，就没了。 2、我滔滔不绝说了一大堆后，招聘说我技术没问题，而且表达能力很好，要我加他微信，问我有兴趣去他们公司吗？加上微信之后，我看出来了这人应该是一个领导类似的职位，而且肯定也不懂技术，就电话沟通10分钟不到，直接让我去他们公司，问我什么时候能动身。 3、问了一些大致的问题后，就开始联系人事部门开始发offer了。（找工作有时候看运气是真没错） #### 总结： 这个offer收到之后，面试也多了起来，后续又约到3个线上面试不过待遇都是100-150一天。 提个建议：我大致也是投了500+的简历，前面几百份几乎都是石沉大海，后面我改变了一下策略：招聘人不理我，我就一直给她发消息，说我稳定长期实习，通勤有保证之类的话，后来要简历的人也逐渐多了起来，后面的几个面试机会，算的上是BOSS硬聘要来的😂

今天面了两家公司，面试时间都比较短直接总结到一起了 第一家 1. 自我介绍 2. 公司两个项目开发中，用到 Codex 或 Claude Code 了吗？ 3. 具体是用来写什么？用的是最多的哪个？ 4. Claude Code 用的是什么模型？ 5. 什么时候开始用的？（精确到具体月份） 6. 是官方账号还是中转站？ 7. 当时开发一天用多少钱？ 8. 平时用到什么 Skill 或 MCP 吗？ 9. Claude Code 怎么写前端？怎么用 Claude Code 写后端？ 10. Java 项目代码量很大，你怎么解决上下文问题？Claude Code 用了多久？ 11. 讲一下你的个人项目，里面的 AI 功能有哪些？ 12. 有用到 Agent 或 RAG 吗？Agent 和 RAG 在里面是怎么执行的？ 13. 知识库怎么切片？有做优化吗？ 14. 为什么会选择往 AI 方向靠？ 15. 反问 第二家 1. 自我介绍 2. 你们之前做过临薪通项目，面对多种角色入驻的场景，你在代码上是怎么设计的？ 3. 你们这个项目有用工作流吗？ 4. 你们这个项目设计模式用得多吗？ 5. 涉及多渠道、多来源的数据，代码里怎么写的？ 6. 用工企业的注册入口只有一个还是会有多个地址？ 7. 你们有多种计费模式（时薪/日薪/月薪/项目制），这种情况会用哪种设计模式实现？ 8. 你们有参与线上部署吗？ 9. 反问 感觉不是诚心招人，两家都应该都成为备选了

小公司做海外广告业务的 1.自我介绍 2.你讲一下那个 Spring Bean 的生命周期 3.你讲一下事务的失效情况有哪些？ 4. 你讲一下那个 Redis 分布式锁，之前有用到过吗？ 5. 那 Redis 的缓存击穿有没有用到过？ 6. MySQL 的话，如果有慢查询的话，要怎么去排查去解决？ 7.MySQL 的分库分表有了解过吗？使用的数据量不是很多，还是什么？ 8. 消息队列有用到吗？定时任务框架有用到过吗？ 9. 线上环境出现内存泄漏，要怎么排查和解决？ 10. 那怎么去找到是哪一个方法导致的内存泄漏？ 11. 工作中有没有遇到过内存泄露 / CPU 异常 / 内存异常的问题？ 12. 你最常用的 Docker、Linux 命令有用到过吗？ 13. Docker 容器主要是解决了什么问题？ 14.工作中有接触过支付类的相关业务吗？支付渠道之类的？能讲一下你们支付的一个大概的流程吗？ 这家整体表现还算可以看周一能否给答复

深圳鸿航达科技有限公司面经

## 深圳鸿航达科技有限公司面经 ### 一、基础问题 #### Q1：做一个简单的自我介绍。 #### Q2：为什么要从上一家公司离职？ #### Q3：团队有多少人？ #### Q4：个人博客写了些什么？ #### Q5：工作年限？上一家公司的薪资待遇？多久可以到岗。 ### 二、项目提问 #### Q1：你们的项目后端如何与设备交互？ #### Q2：为什么使用HTTP，而不是MQ或者MQTT？ #### Q3：数据量有多大？ #### Q4：项目中有使用过多线程吗？举个例子。 #### Q5：关于虚拟线程介绍一下。 #### Q6：在工作中遇到的最难问题是什么？如何解决的？ #### Q7：在项目中使用过哪些锁？介绍一下。 ### 三、八股文提问 #### Q1：MySQL默认事务隔离级别是什么？ #### Q2：MVCC是什么？ #### Q3：普通索引和主键索引的区别是什么？ #### Q4：SELECT * FROM student WHERE age = 1 的执行流程是怎么样的？ #### Q5：普通索引能不能直接拿到数据？ #### Q6：ReentrantLock的底层原理是什么？ #### Q7：线程安全集合有哪些？ #### Q8：ConcurrentHashMap的原理是什么？ #### Q9：volatile有什么作用？

平安好医生面试面经-附带回答版本

### Q1：介绍下你自己。 A：面试官你好，我是xxx，计算机相关专业本科毕业，毕业后一直在做 Java 后端和AI相关的项目。最近参与过AI语音助手和设备配套的OTA平台，之前做过企业内部的AI知识助手、云图库和电商。其中AI语音助手和AI知识助手，主要是与AI相关的开发，AI语音助手是将RAG、Tool Calling、实时语音链路落实到Spring Boot、MySQL、Redis这些工程组件上，AI知识助手则偏向于RAG和Tool Calling；OTA平台、云图库和电商则主要是传统的Java后端开发。 ### Q2：RAG检索过程是什么样的？ A：在我们的开发应用中，会把RAG分为离线建库和在线检索两部分。 1. 离线侧先解析文档，保留Markdown标题层级、表格和产品版本等metadata，再按照语义边界且chunk，生成向量并写入向量索引，同时建立BM25倒排索引。 2. 在线侧先对query做分类或者改写，并且按照产品、版本、权限做过滤，然后并行做向量召回和关键词召回，用RRF合并候选，必要时用Cross-Encoder精排。最后按token预算去做驱虫和context packing，把来源一起交给模型，证据不足就拒绝回答。 ### Q3：打分过程是什么样的？ A：Top K并不是打分算法，它知识按照分数排序后的截断。向量召回的原始分数可能是余弦相似度、点积或者L2距离，BM25则根据词频、逆文档频率和文档长度给分。两路分数不能直接相加时，可以按排名用RRF融合，之后Cross-Encoder把query和chunk一起输入，得到更加精细的相关性分数。最终再取Top-N进入上下文。当然不同向量库的score方向和归一化方向不同，不能只看一个阈值。 ### Q4：ReAct的原理是什么？ A：ReAct的核心是模型根据当前观察选择下一步动作，工具返回结果后形成新的观察，再决定继续调用工具还是给出最终答案。生产环境中我们一般不会把内部推理原样展示或者记录，更多的是记录工具名、参数摘要、权限决策、结果状态和可审计的决策说明，另外为了避免循环，还需要限制最大步数、总时长和工具集合。 ### Q5：Plan和ReAct的区别是什么？ A：ReAct是每得到一次Observation就决定下一步的Action；Plan-and-Executor则是先形成相对完整的计划，再由执行器逐项执行，必要时重新规划。 ### Q6：Agent完整的工作过程是什么样的？ A：请求进来先生成traceId，并且绑定用户、租户和会话；随后组装system规则、当前问题、近期历史、RAG证据、可用工具和权限信息。模型如果选择工具，只输出工具名和结构化参数；服务端做schema、权限、范围、敏感操作二次确认和幂等校验，再通过带超时、重试、熔断的执行器调用。工具结果会被标准化为Observation回填，模型决定继续还是结束。最终回复要包含来源或执行结果，整个过程记录prompt/tool版本、耗时、错误码和审计信息。 ### Q7：上下文组装是什么过程？ A：上下文组装是每次调用模型前，把本轮需要的输入按优先级放进token budget。通常包含system prompt、当前问题、最近会话、RAG证据、工具描述、工具结果、用户画像和权限信息。安全规则和当前问题不能被裁掉，RAG证据要按照相关性和多样性选择；旧历史先做滑动窗口，再做摘要。需要注意ChatMemory只是这些信息的一个来源，但是不等于上下文本身。 ### Q8：记忆怎么持久化，如何提取？ A：这个功能的本质是把对话历史持久化到MySQL中，然后每次请求大模型之前会根据会话ID查询最近的历史消息，再重新放入模型上下文中。最初使用的Spring AI的内存对话记忆，但是这会导致服务重启后数据丢失，所以我们自定义一个ChatMemory实现Spring AI的ChatMemory接口。从数据层来说，是设计了一张chat_messagede表，通过conservationId区分会话，同时保存消息类型、文本内容和metadata。matadata类型是Map，使用MyBatis-Plus的JacksonTypeHandler将其转换为JSON存入MySQL中。再服务层的具体实现上，add方法负责把Spring AI的Message转换为数据库实体写入；get方法会根据会话ID查询最近N条消息，再转换为对应的UserMessage、AssistantMessage等对象；clear方法负责清空指定会话。最后，把这个自定义的chatMemory配置到MessageChatMemoryAdvisor中，每次请求都携带同一个chatId，Advisor就会自动读取并补充上下文，从而实现跨请求、甚至服务重启后的对话记忆。

面经分享

这段时间经历九次面试，通过了6家公司，最后选择了给我日薪最高，离我最近一家公司（宏图物流） 面经在我的博客中，我就不复制过来了 博客地址：http://blog.cognipix.xyz 

一家小公司，公司开发部门只有2个人，业务涉及与硬件（播控器）对接、视频拉流相关业务，也有软件部分。 面试问题 1. 请你先自我介绍一下。 2. 你第一家公司从方案设计到编码、调试、线上部署，都是你一个人完成的吗？ 3. 第一家公司和第二家公司在前后端分工上有什么区别？ 4. 第二家公司主要是做 AI 方面的？前端后端的部署都是你一起做的？ 5. 领导提需求后，你负责配合做方案设计、提供方案和可行性分析？ 6. 做智能体用的是什么技术栈？知识库和向量数据库用的是什么？编排方式是自主编排还是智能编排？ 7. 有做过本地化部署吗？编程中用过什么 AI 编程工具？ 8. Skill、MCP 这些功能平时有在用吗？大致讲一下。 9. 用 AI 写代码时，有没有做过从制定计划→执行计划→代码审核→自测的完整流程？提交代码到生产分支怎么把控质量？ 10. 你有什么想了解的吗？简历里"连接用工企业服务商、任务众包、薪资代发、合同签署"能详细讲一讲吗？ 11. 合同走电子签，有没有审核流程？ 12. "落地业务文件生命周期管理策略，按临时文件/业务附件/合同文件划分存储周期"能详细讲讲吗？最近一份工作的离职原因是什么？你上家公司试用期是多长？ 13. 26年1月之后到现在的空白期是怎么规划的？ 14. 我们公司规模小但业务稳定，岗位要求比较全面，这符合你的职业规划吗？ 15. 你期望的最低薪资是多少？可以提供离职证明吗？如果面试通过，到岗时间是多少？ 面试总结 对于第12题可以参考以下回答 有在用，而且用得比较多。Skill 和 MCP 我觉得是两种不同的扩展思路。 Skill 相当于是给 AI 预设了一个工作流。我平时用得最多的是 git-commit 这个Skill——改完代码后，在终端直接让它根据改动生成中文的 conventional commit 注释，然后自动执行 git add、commit、push，省掉了手写 commit message 的机械劳动。还有一些文件处理的 Skill 也会用到。 MCP 的话，核心是让 AI 能访问外部系统。比如我通过 MCP 把数据库接进来，开发过程中遇到数据相关的 bug，不需要切出去查表，在 IDE 里直接让 AI 去查库、看字段，上下文不中断，效率提升很明显。也接过像 GitHub Issue 的 MCP，可以根据 Issue 描述直接定位代码去修改。我的理解是，Skill 解决流程自动化的问题，MCP 解决信息打通的问题。还有像接 GitHub Issue 的 MCP，我可以直接让 AI 根据某个 Issue 的描述去改代码，改完自动关联到那个 Issue。 我的理解是，Skill 解决流程自动化的问题，MCP 解决信息打通的问题。两者结合，AI 编程才能从单纯的代码补全，升级到真正理解项目上下文去做开发。

深圳云泽-AI 应用全栈（Java）

首先声明一下，这是经过AI录音转文字，然后经过AI转化优化过的，不是我自己手敲的，也没有认真核对，大伙就简单看看吧 。然后就是大伙在实习的时候，不要太混了，还是尽量攒攒经验，别给自己养废了😭。 # 面试完整记录 > 面试岗位：AI 应用开发（Java 后端方向） > 面试类型：技术面 > 面试官风格：温和、项目驱动型追问 --- ## 二、自我介绍 **面试官**：OK，现在你先做一个自我介绍。 **求职者**：面试官你好，…… --- ## 三、Java 基础与项目开发流程 **面试官**：你上一份实习是实习了差不多接近一年是吧？ **求职者**：对。 **面试官**：你现在是毕业状态，还是说？ **求职者**：我的毕业证已经拿到了，应该是算毕业了。 **面试官**：行。我看你的简历，就是一个技术栈加一个实习经历。那我就按照这两个去给你面。我看你熟悉 Java，Java 是在大学的时候就开始学了吗？学了多少年？ **求职者**：Java 的话，上大学的时候主流就是当时最火的语言就是 Java，然后我从大二开始主攻 Java。 **面试官**：Java 有很多技术栈，Spring Cloud、Spring Boot，还有 Spring Cloud 阿里巴巴那一套。你最深入是研究到哪个地方？像 Nacos 那一套熟悉吗？ **求职者**：Spring Cloud 那一套的话，我目前用的比较少。现在大部分都是单体应用，很少用到，除非说是在公司里面。 **面试官**：但是在你的经历里面，你做全栈、做架构，这部分会涉及到。你做的架构，就算是单体也涉及不同的架构，它还是会用到一些东西。你说单体，那流量的把控、Nacos 这种——我觉得阿里巴巴那一套，你当时做的是 架构 吗？ **求职者**：你是说在上一家公司吗？ **面试官**：你不是说你转到架构部了吗？ **求职者**：他们是一个低代码框架，主要是他们那一套是微服务的。 **面试官**：微服务，但是你在架构部，对吧？ **求职者**：我是去那边帮他们开发一个模块，就是一个工作流编排的模块。 **面试官**：OK。所以说你 Java 最深入的是了解到哪个点？ **求职者**：应该是 Spring Boot 最深。因为 Spring Cloud 用的不是很多。 --- ### 链式调用（Stream 流） **面试官**：Java 上的链式调用你熟悉吗？ **求职者**：链式调用？你是说设计模式还是什么？ **面试官**：链式调用，就点点点，一条链。 **求职者**：噢，那个 Stream 流是吧？对，平时写代码的时候会用。 **面试官**：一般应用在哪些场景？ **求职者**：比如说按集合来举例，平时查数据时需要对数据进行处理、过滤的时候，就会用到这些。 --- ### 日志追踪（Trace ID） **面试官**：Java 上面还有一些像日志追踪你有使用过吗？就是你在网关层往里面注入一个 ID。你可以说说看，我觉得这种也是比较常用的，它不是说什么很高深的，它就是非常常用的。你可以说说它的原理，如果没有的话就跳过。 **求职者**：可能还没有。因为我们的项目都是基于公司的那一套低代码进行开发的。 **面试官**：OK，他们那一套应该是有的。低代码。 --- ### MVP（最小可行产品）—— 🔴 面试官当场否定 **面试官**：那如果老板给你一个需求，你的领导在上一层给了你一个功能模块的需求，你不可能一开始就着手，那肯定会有一个 MVP，对吧？你知道什么是 MVP 吗？你怎么去实现？在接手到这个需求之后，你的下一个动作是什么？你可以把这个动作的闭环讲一讲，不用讲那么细。 **求职者**：我们这边一般是先把需求拿来进行分析，然后把对应的需要负责的任务列出来，把各个功能模块进行拆分。拆分之后我们对功能模块进行分析，看是怎么一个设计。设计之后基本上就是开始编码。编码完成之后我们需要自己去内测，自己前后端都跑通之后，就交给测试进行测试。测试完了结束之后，就给经理去客户演示，好像是叫 UAT 吧。 **面试官**：OK，但是你回答错了。我问的是 MVP，你除了 MVP 你讲到了外面去，你错了两个地方。第一个地方是，我只问 MVP 的闭环，你讲到外面去了，根本就没有讲。第二个是，我说 MVP —— 你拿到一个需求，你需要拆解怎么样实现 MVP，你直接跳过了，你根本就没有这个点。 **求职者**：嗯。 --- ## 四、RAG 业务深度 **面试官**：OK，往下。这个我问的 Java 就是偏基础，至少你有基础。那后面我看你上一份实习，上面聊了技术，下面就要聊业务了——RAG，对吧？你这一年都在写 RAG 吗？ **求职者**：不是，它是写了几个月之后，后面转 AI 全栈。 **面试官**：那问一些 RAG 的应该会比较熟悉，对不对？ **求职者**：嗯。 --- ### 新旧知识替换方案 **面试官**：你们这里有没有对新旧知识替换的方案？比如我 2025 年的知识，一模一样的，2026 年我更新了那套知识，主题是一样的，我需要替换。这种替换方案是怎样的？ **求职者**：我们当时的知识主要是涉及客户那边给的一些政策，他们的政策其实是不大会变动的。 **面试官**：我的意思是如果它变动。 **求职者**：如果变动的话，我会根据那些带有时间点的关键源数据进行查询。我们的存储是存在向量库里面，这些向量库都有对应的 ID 标识，我们会根据时间点或者比较关键的关键字标识来进行替换。 **面试官**：关键字标识是指什么？你可以具体一点，不用讲那么抽象，都听得懂。 **求职者**：就是…… **面试官**：如果是你，你会怎么做？ **求职者**：假如说，就拿 Agent 的知识来举例，Agent 的那些设计一直在变化，之前是什么提示词工程…… **面试官**：我这样，我来个例子。像 Claude 的 Skill，或者 OpenAI 的 Skill。OpenAI 的 Skill 官方文档，2024/2025 年出了第一版，2026 年出了第二版，网页是一样的，主题是一样的，只不过中间可能加了一段话。这样的话，你怎么把新的替换成原来向量数据库里旧的文档？动作是怎样的？ **求职者**：首先一个前提条件就是我知道它更新了，是吗？ **面试官**：是，你知道它更新了，你是主动地去确认更新的。 **求职者**：对。如果更新的话，我们存文档是会有一个文档拆分的，按照段落拆分。每一个分段会有对应的一个标识。如果我知道它更新了，我就把新旧两个文档再重新拆一遍，然后进行对比。如果对比某一块的某一个分段有差异的话，就进行部分的更新。 **面试官**：有没有其他的方案？我觉得这个方案很笨，而且很低效。你可以再想想有没有其他的方案。你这个就是修改嘛，对吧？ **求职者**：嗯。 **面试官**：想到了吗？或者说，直接批量覆盖？ **求职者**：因为向量库本质就是，如果更新的话，它其实就是删掉老的，然后把新的插进去。 **面试官**：对呀，那你的动作是怎样的？ **求职者**：比如说，就针对那条 Skill 的文档，根据那个 Skill 的关键字——它文档应该有一个标题什么的，比如说 OpenAI 的 Skill，然后根据这个关键字去向量搜索一下，搜索出来对应的 ID 标识，然后给它全覆盖的替换。 **面试官**：OK。 --- ### 源文件引用与联网搜索 **面试官**：下一个，你之前做的 RAG，有引用原文件吗？就像 Gemini 或者现在的一些 RAG，它回答下来之后其实会有原文件引用的。这种你们之前的 RAG 有做吗？就是相关链接那种。 **求职者**：我们的原文件一般都是放在它的字段里面的。 **面试官**：那你没有引用？你的系统是没有做这个引用。我说的是渲染层，用户的渲染层。 **求职者**：嗯，对，没有用。 **面试官**：OK。那有做联网吗？ **求职者**：联网搜索是吧？它因为是公司内部的，不能用到外网。 **面试官**：我知道不能用到外网，就是根本没做联网这一套？ **求职者**：嗯。 --- ### Dify 了解深度 **面试官**：你刚刚说你项目里面还做了类 Dify 这种东西，Dify 你有了解多深？ **求职者**：Dify 的话，因为我们是照它那个项目做的。它有知识库、文档拆分、分段策略，还有应用问答、召回测试这些。 **面试官**：你做这个类 Dify，是做了一套 Dify 的东西，还是说用别的应用去包 Dify？ **求职者**：其实是参照 Dify 的应用去学着做了一套。然后我们自己有一些需求，比如说召回的评分什么的，也是额外做了一些新功能。 --- ## 五、AI 工具链与 Skill 开发 **面试官**：OK，下面聊完了技术基础和项目，现在来聊一聊 AI 应用开发。AI 的东西，你平时用什么 AI 工具？ **求职者**：我自己平时各种工具都会用一下。主要使用的是 CodeBody，就是腾讯出的那个。然后我们公司要求我们用的是 OpenCode，因为 OpenCode 是跟 Claude Code 类似的，但是开源。比如说有什么新出来的 AI 工具，码微斯啊，之前用 CodeBody 之前用的是 Tree。像阿里的 Coder 也用过，但是我觉得它可能不太好用，不是很习惯。像 Codex 最近也在用。 **面试官**：Codex（当时我读成code叉）。 **求职者**：Codex。 **面试官**：为什么不叫 Codex？你是听别人说才用的？ **求职者**：……（有点无语了） **面试官**：OK，还有吗？ **求职者**：像 Cursor 出来的时候，我知道。因为它最早一批 AI 代理工具，但是当时它那个模型方面好像要用 OpenAI 的模型，我当时也没有用。 **面试官**：就没有啦？ **求职者**：嗯。 **面试官**：那你觉得这些里面哪个最好用？ **求职者**：编程的话，我觉得还是 OpenCode 比较好用。 **面试官**：为什么？ **求职者**：第一个，它在我用的时候，Claude Code 需要配置其他模型的话是比较麻烦的，需要借助其他项目的插件。但是 OpenCode 直接修改配置文件就能使用其他厂商的配置。第二个就是它的插件支持的比较多，像 Oh My OpenAgent、Playwright（能读页面）、Pencil（UI 工具），这些工具支持的比较丰富。再一个就是 OpenCode 可视化做得比较好。 **面试官**：我记得 OpenCode 是不是那个框框的那个东西？ **求职者**：对，黑色的。 --- ### MCP / Skill / Plugin **面试官**：AI 工具就难免会聊到 MCP、Skill、Plugin（插件），你对哪一部分更熟悉？ **求职者**：Skill 吧，因为 Skill 用的比较多。 **面试官**：你会怎么样用 Skill？你是用别人的还是自己搭？ **求职者**：Skill 基本上都是用的那一套框架，比如说 SuperPower，或者说 OpenSpec。 **面试官**：SuperPower 你会用吗？ **求职者**：SuperPower 当时用了一段时间，但是我们几个人用起来感觉效果不是很理想，就是它的掌控力度不是很好。 **面试官**：OK。那 Skill 你会自己去做吗？ **求职者**：会做，但是也是叫 AI 去做的。 **面试官**：让 AI 去做。有没有实际的场景，或者你的一些实例，可以讲讲？ **求职者**：当时我们是对比的用 SuperPower 跟 OpenSpec 来进行的。SuperPower 有个特点就是它有一个头脑风暴的模式，我觉得它那个 Skill 是比较好的。但是 OpenSpec 它好像没有这种头脑风暴问答的形式。然后我就在想，要不要把他们两个结合起来，就叫 AI 结合它们的一些 MD 文档进行一个整合。但是这个做的也没有人家官方做的效果理想。 **面试官**：头脑风暴它，你为什么不用 Agent 组做呢？Sub-Agent，你知道 Sub-Agent 吗？ **求职者**：我知道。 **面试官**：为什么不用 Sub-Agent 去做头脑风暴那个东西？ **求职者**：我们当时了解的模式和知识的就是 SuperPower 支持这个功能。其实我在接触到 AI 代理编程工具之前，我问 AI 的话，有时候我也会这样问，或者说你必须要把你不理解的地方向我提问，这相当于也是一种头脑风暴。 --- ## 六、AI Agent 编码实践 ### Prompts 工程化方法 **面试官**：那你在 prompt 或者说在工程化管理 agent 方面，你的方法是什么？ **求职者**：首先就是我会规范约束它，比如说我这个模块需要改哪个文档，先约束它的范围，读取文档的范围，不要让它在无关文档上重复查找，影响上下文。第二就是比较平常的告诉它有哪些功能点需要注意，我会提前跟它说好用什么东西。第三就是需要它在执行——比如说编写代码之前——我会让它先把不懂的问题以及模糊的地方先告诉我，以免它自己去用幻觉乱猜。在项目新功能开发之前，我会让它生成一份我想要的技术的文档，然后在 agent.md 的文档中加入这个文档的链接，让它一直保持项目该做成什么样子。 ### AI 沟通技巧 **面试官**：OK，那你在跟它沟通的时候有什么技巧？我说的是普通的沟通，你跟它聊天，为了得到你想要的结果，你会有哪些技巧？ **求职者**：首先还是以目标为导向，跟它沟通的话，不要说一些无关的事。 **面试官**：但是你给了一个目标，它一定会满足你的目标，而且它说得天花乱坠的，但是目标还是目标，没出来。我说的是这个目标到底是不是高质量的，你怎么去沟通？这个沟通技巧肯定是有的。 **求职者**：可能，如果说多 Agent 的话，我会让它们相互评判一下。 **面试官**：……（他有点无语了） --- ### 模型与工具选择 **面试官**：那你平时为什么不用 Claude Code、Codex？ **求职者**：Claude Code 它之前配置其他模型是比较麻烦的，只能用它们厂商的模型。Codex 也是一样，只能用 OpenAI 的模型。 **面试官**：你现在是直接去接官方吗？ **求职者**：我直接接了 DeepSeek。 **面试官**：都是接 DeepSeek 是吧？ **求职者**：对。可能 GLM5 我会接一下。 --- ### Playwright **面试官**：我听到你刚刚说了一个叫 Playwright，你会用吗？ **求职者**：这个是一个 MCP 的插件，需要先让 Agent 让工具安装，安装了之后使用。 **面试官**：Playwright 你确定是 MCP 吗？ **求职者**：它也可以是 Skill，都有。 **面试官**：你用它是怎样用的？ **求职者**：当你想做前端，或者说想进行测试的时候，想让 AI 帮你去测，或者你自己点的效果跟 AI 收的效果不一样，你就让 AI 去用这个工具，在浏览器上走一遍。 **面试官**：你就只是用在这个范围，你没有围绕它去做文章是吧？ **求职者**：嗯。 **面试官**：那你说不管是 MCP 还是 Skill，你知道 Playwright 的底层是什么吗？ **求职者**：它不是 Selenium 的一个浏览器自动化的东西。 **面试官**：那它底层是什么？ **求职者**：你是说语言还是什么？ **面试官**：可以偏这样去想，那下面是什么？ **求职者**：下面其实你安装它的话，要安装 Node，它用 NPM 工具去启动。 **面试官**：那不就是一个库吗？ **求职者**：嗯，对。 **面试官**：它这个库，那你跟 Skill 和 MCP 有没有一样的关系？你直接写也能写。就是你直接写伪代码，它也会自行依靠 Playwright 的一个代码，它根本就不需要 Skill 或者 MCP。 **求职者**：嗯，方便 AI 去调用。你也可以直接跟 AI 说运行某个命令，让它去启动 Playwright，你不加 Skill 或者 MCP 的话。 **面试官**：对啊，你前面加 Python，它也有。你加 Node，它也有。 --- ## 七、面试结束 **面试官**：OK，我这边问的就差不多了，那你有什么想问的？ **求职者**：首先就是想对这个面试的表现的评价，能不能说一下？ **面试官**：不能这样偷题的，不允许这样。 **求职者**：哦，还没到最后是吧？ **面试官**：对，现在是技术，后面还有业务面。 **求职者**：哦。然后我想了解一下公司做的项目，这个岗位负责的内容。 **面试官**：在网上我跟你说过的，我们人事先跟你沟通然后收简历，我有跟你说过我们的需求。 **求职者**：就是我想再了解一下。 **面试官**：主要是 AI 应用落地，AI 应用企业落地。我想了解一下你的想法，你觉得 AI 啊，你知道 B 端跟 C 端吧？你觉得它在 C 端还是 B 端更有用？ **求职者**：应该都挺有用的。 **面试官**：那你按照你之前来说，你之前那个公司是 C 端还是 B 端？ **求职者**：B 端吧。 **面试官**：那为什么你觉得都一样，你又没有接触过 C 端？你觉得 C 端也有魅力？ **求职者**：我之前那个公司，其实也做过客服，客服应该是面向 C 端的。 **面试官**：那它们占比五五分，你觉得？ **求职者**：一般来说，像 AI 这种东西，大厂做给客户用的比较多，那应该是 C 端。但是企业里面也有很多需要用这种 AI 工具来提效的。差不多五五分吧。 **面试官**：嗯。但如果我们做的是类 C 端的 B 端产品，就是服务对象是 B 端，但是是朝着 C 端的方向去做，你能理解吗？同时它不是一个 AI 应用……我可以跟你讲，AI 应用如果往下面分，它其实不是你传统那种。 --- 后续接近面试结束，记录不知道为什么丢失了。基本到这里就结束了，一两天了也没有消息，哎。 总体感觉就是基础很不牢，全靠八股，然后思想灵活性方面也不是很好，第一次被面试官说笨😭，在上家公司还是待的太舒服了，尽管做的项目是rag项目，但是也是自己想怎么做，或者参考什么什么做，没有想太多。

5月高强度面试，放送社招菜鸟 AI 应用岗面经！

# 面试题库全公司汇总（脱敏版） > **候选人背景**：1年Java后端/AI应用开发经验，前公司为某制造业企业 > **总场次**：13 场面试，覆盖 10 家公司 > **岗位方向**：Java后端开发 / AI全栈开发 / AI应用开发 / DevOps --- # 📑 目录索引 - [一、华大制造 — AI应用开发工程师（2026-05-26）](#一华大制造--ai应用开发工程师2026-05-26) - [二、广州大娱网络科技 — AI应用开发（2026-05-26）](#二广州大娱网络科技--ai应用开发2026-05-26) - [三、安克创新 — AI应用开发/AI探索（2026-05-23）](#三安克创新--ai应用开发ai探索2026-05-23) - [四、OPPO — AI应用开发/DevOps（2026-05-21）](#四oppo--ai应用开发devops2026-05-21) - [五、中泓一线 — AI全栈开发，共2轮（2026-05-18 / 2026-05-20）](#五中泓一线--ai全栈开发2026-05-18--2026-05-20共2轮) - [六、拼多多 — Java后端开发（2026-05-20）](#六拼多多--java后端开发2026-05-20) - [七、探迹（2026-05-19）](#七探迹2026-05-19) - [八、北京用友 — Java开发/AI开发，共2轮（2026-05-15 / 2026-05-18）](#八北京用友--java开发ai开发2026-05-15--2026-05-18共2轮) - [九、恩士讯 — Java后端（2026-05-15）](#九恩士讯--java后端2026-05-15) - [十、海颐 — Java开发（2026-05-13）](#十海颐--java开发2026-05-13) - [十一、有赞 — Java开发工程师（2026-05-07）](#十一有赞--java开发工程师2026-05-07) - [十二、跨公司同类题归并索引](#十二跨公司同类题归并索引) - [AI Agent / Multi-Agent 编排](#ai-agent--multi-agent-编排) - [RAG / Embedding / 向量数据库](#rag--embedding--向量数据库) - [MCP / 工具调用 / Function Call](#mcp--工具调用--function-call) - [Java 并发 / 锁 / 线程](#java-并发--锁--线程) - [微服务 / 分布式 / Spring](#微服务--分布式--spring) - [MySQL / 数据库 / 索引](#mysql--数据库--索引) - [Redis / 缓存 / 消息队列](#redis--缓存--消息队列) - [DevOps / K8S / CI/CD](#devops--k8s--cicd) - [计算机网络 / 安全](#计算机网络--安全) - [前端](#前端) - [个人 / 职业规划 / Relocation](#个人--职业规划--relocation) - [开放设计题 / 编码题](#开放设计题--编码题) - [学习习惯 / 技术视野](#学习习惯--技术视野) --- # 一、华大制造 — AI应用开发工程师（2026-05-26） > **时长**：约 43.5 min | **面试官**：主面试官 + 第二面试官（董老师） > **特征**：八股零考察，项目深挖为主，大量软性问题 ## 项目深挖 — 沙箱平台 - 你先做一个自我介绍，介绍一下你自己觉得做的不错的一个项目。 - 沙箱平台你们用的是自己的沙盒吗？还是说用的… - 你这个沙箱主要是在里面执行什么任务吗？还是支持文件的类似的吗？ - 这个沙箱里面是起了一个类似起了个服务在里面？ - 根据这个沙箱里面的服务是给用户提供什么样的服务的呢？ - 你刚刚说的物料是指的一个什么样的物料？ ## 项目深挖 — MCP 网关 - 刚说的第二个项目就是这个MCP网关的，主要是做了件什么事情呢？ - 就相当于你把原来那些工具已经是MCP化了吗？ - 就跟用户交互的那端配的话只需要配这个网关的地址就行了？你是在网关这一层再配具体连的是哪些MCP的工具？ - 手工的制作，把那个MCP的工具录进来？ - 就给到MCP网关这一层，然后它自己生成那个MC… ## 设计反思与工程挑战 - 就像这么设计的话，你觉得他会有什么问题吗？ - 使用过程中的使用。 - 你这个网关会封装了很多接口，那到时候所有的用户端的请求全部都会请到网关这。流量很大的话怎么来。 - 限流的话…除了这种方式还有别的方式。 - 那就怎么解决？ ## Agent 架构深挖 - MCP 的工具到工具调用这一层，就这一套技术的流程它是怎么大概。 - 是谁去调的这个工具，就是调的这个 MCP 的工具？是大模型调的吗？大模型输出来的都是文字，他是怎么能够有这个能力去调动一个接口？ - 描述一下你现在这个多 agent 的协作是怎么做的。 - 后面的多 agent 是怎么开发，怎么设计的。这个多 agent 的架构的话… - 那你觉得用这个（Google ADK）它有什么优缺点呢？ - 我这里写了 LangChain 然后又写了谷歌的这个 SDK，你这两个是同时用的吗？ - 那你用谷歌做的这一个，你能实现这三种编排的功能吗？ - 在配置要求的时候，是需要把这些数据格式都给…上一个agent和下一个agent之间要交接的一些文件，文件的处理的逻辑。 - 这地方串联交接的这个部分会涉及到文件类型，还是说都是文字。 - 那这个 agent 之间…它是有文件传输的那它是怎么处理这些文件就是。 - 如果是传一个 excel 到下一个agent的话，那个 agent 它是怎么去…一般都是在沙盒里面… - 那您知道当前你做这个是有沙箱吗？ - 这个skills的加载机制是你自己写的，还是说 ADK 自带。 ## 项目角色与团队 - 这些项目你的这个身份是？ - 您这个团队比较大吗？还是说主要是。 - 在这个跨团队的过程中有解决这个问题是比较短的。 - 的那些对象是都是技术的人员，还是因非技术的业务。 ## 职业规划与软性 - 你对加班的看法是怎样的？ - 你觉得你在这个一年多的工作都是…哪个哪项工作让你比较有成就感？ - 你专业跟生命科学/生物的关联？ - 你是更希望去做一个偏工程类的，还是说更想去做一个项目的一个推进者？ - （涉及离职状态、试用期期望的问题已略去） --- # 二、广州大娱网络科技 — AI应用开发（2026-05-26） > **特征**：含 1 道开放系统设计题（BI 数据分析智能体） > **时长**：约 33 min ## AI Agent 理解 - 先简单做个自我介绍。 - 这两个AI相关的项目，你觉得哪一个的技术挑战性是比较大的？ - 你在这个编排框架这个项目里面做了多久，以及说你在里面的角色是什么？ - 这个框架你们当时想要解决的核心问题是什么？ - 具体到业务上面解决的一个主要的什么场景上面什么的问题？ - 讲一下你对Agent这个东西的理解吗？ - 从一个chatbot到这种智能体，核心要解决的问题是什么？怎么从这步跨到这步的？ ## Agent 工具调用与框架 - 在一个Agent里面他要去做工具调用，它的实现机制和原理是什么？ - 具体是怎么实现这个工具调用的？讲一下它内部的机制。 - 你比较熟悉的一些现在标准的Agent框架有哪些？ - 能讲讲他们的整个架构吗？ - 系统架构组成部分是什么？ - 你是怎么理解skill这个东西的？ - 这些skill怎么知道什么时候应该去调用哪个skill，内部处理流程是怎样的？ ## 开放设计题 - 让你去做一个AI智能体，对BI系统里的报表做数据分析，你怎么实现？ - 你没有一个很系统性的思路，每个流程做什么事，对应什么方案？ - 现在有个后台BI系统，想通过微信/钉钉对话来分析数据，智能体应该怎么做？ - 有没有哪一项AI相关的技术，你觉得自己研究的特别深入的？ --- # 三、安克创新 — AI应用开发/AI探索（2026-05-23） > **特征**：零八股、零项目深挖、零系统设计。偏 AI 认知和思维方式考察 > **时长**：约 34 min ## 个人与职业 - 自我介绍。 - 现在考虑换工作的原因是什么？ - 几月份走的？ - 当时毕业之后选择前公司的原因是什么？ - 主要是干什么？我怎么没听过。 - 这不是稳定着路一条的节奏吗？ - （涉及籍贯、英语水平等个人信息的问题已略去） ## GitHub 与技术写作 - GitHub用了多久？ - 首页写这么多技术栈干什么？ - 你的文章从24年就停了，是不是？ ## AI 认知与学习 - Claude Code跟Codex，用的是原厂模型还是套国产模型？ - 官方的用过没？最好的还是模型吗？ - 你觉得中美之间的AI差距是在变大还是变小？ - 为什么所有的创新都是别人的/美国的，而不是亚洲的（或中国的）？ - 你自己平常学习AI领域新东西的途径和方法大概怎么写？ ## Skill / MCP 深度 - 自己搭过agent吗？比如用低代码/langchain/langgraph/Coze/Dify/n8n这种？ - 你觉得MCP跟skill什么区别？你自己有没有写过一些skill？ - 渐进式披露那个description是给人看还是给谁看的？ - description一般怎么描述？什么风格？精炼还是有边界条件？ - 你怎么做的实操的？还是用harness来做的？ - 这个东西是自己拖出来，还是根据开源项目在本地改的？ - 你自己怎么写评测？跟skill creator一样，你怎么评测？ ## 职业规划与技术观 - 你未来两三年的职业规划大概是什么样子的？ - 编程语言熟哪些？除了java以外？ - 你觉得这几个编程语言之间的区别是什么？ - 日常写后端语言，你更喜欢用哪个？ - 在前公司这一年最大的收获是什么？ - 我看你这里有一个AI网关中间件，说白了你是不是托管了业务研发的MCP，是不是？ - 你觉得八股重要吗？高中生背得应该比你快吧？ - Java编程语言你觉得最讨厌的地方是什么？ - 日常用到设计模式，最常用或最优雅的是哪些？ --- # 四、OPPO — AI应用开发/DevOps（2026-05-21） > **轮次**：一面（共 2 轮） | **时长**：约 33 min > **面试官**：DevOps/代码质量方向 | **团队**：~50 人分 3 组，应用层 Python / 网络层 Go > **注意**：以下为一面已问题目，主管面预测题见[OPPO主管面预测文档](./OPPO一面分析_主管面预测.md) ## 容器平台 - 容器化部署主要负责两个功能点？状态机和资源泄露？ - 你是通过什么？是有一个平台自建的是吧？ - 有没有用过 Jenkins 那种？ - （追问）具体流水线打包流程？ - （追问）离线部署经验？ - 你对 DevOps 这个方向了解吗？ ## MCP 网关 - 关于下一个项目，MCP，相当于自己额外做了一个中间件？ - （追问）网关鉴权限流细节 - Tool 注册流程 ## Agent 框架 + AI 深度 - 再讲讲多智能体编排的框架 - 整个框架是公司已有的吗？ - 第三个完全是你独立完成的吗？ - 你在这里主要负责哪些能力呢？ - 最后成的是一个面向用户的聊天框是吧？ - 整个 Agent 基于哪个框架执行运行？ - 讲讲 Skill 的自净化 - 整个搭建过程，哪个是最难的？ ## 技术栈 + 个人 - 你什么时候离职的？ - 以后还是希望在 Java 语言上深耕吗？ - （告知）常见用 Python，新项目用 Go - 现在是在深圳吗？ --- # 五、中泓一线 — AI全栈开发（2026-05-18 / 2026-05-20，共2轮） > **特征**：一轮技术面考 Java/Kafka/分布式八股 + AI Agent，二轮总监面全景扫描（RAG深挖+微服务设计+前端摸底），不考八股 > **面试官**：一轮两位面试官，二轮技术总监 ## 第一轮 — 技术面（2026-05-18） ### AI / Agent - 你自己私下做的那个项目，简历里有贴链接？整体是垂直领域的一个？ - 底层调用的是哪个模型？ - 不是你自己掏钱买的Key吗？ - Spring AI用什么实现memory？基于什么实现？比如mysql？ - 追问：你是用什么样实现的？ - 多agent的架构一般常见的架构有哪些？ - 有用到function call吗？调用了什么工具？做了什么？ - 为什么要用function call？ - MCP网关，通过AI来分发调用？ ### Java 基础 - 平时工作中有用到哪些数据结构？ - 除了list和map，还有用过其他的吗？ - JDK 17有什么新特性？抛开语法不说，JDK层面有什么新的？ - 我看你写了了解设计模式，提到模板方法模式，可以简单介绍一下吗？ - 前端知识了解程度？是仅限于web coding还是？ ### Kafka / 分布式 - Kafka偏移量有哪几种？常见设置偏移量有哪些？ - Topic和Group哪个大？换group要重置偏移量吗？ - 搭建过分布式集群吗？Redis搭过高可用？ - 分布式基本理论有接触吗？CAP？ - Redis有哪些分布式架构？ ### 反问 - （候选人问）前端开发比重大概多少？ - （候选人问）岗位是顶替还是扩展？ ## 第二轮 — 总监面（2026-05-20） ## 个人 / Relocation（已脱敏） - 离职时间确认 - 居住地及通勤距离摸底（涉及住房、家庭信息的连环追问已略去） - 前公司工作性质确认（对内还是对外/客户案例） - 对面试公司的了解程度 ## 技术栈扫描 - Spring Cloud 有吗？ - 微服务的这些生态应该是不是？ - 在 AI 这块，除了 Spring AI 还熟悉哪一些？ - 你刚刚熟悉的 LangChain 是 python 那块？ - 深度的熟悉应该还不够？ ## 前端摸底 - JS 怎么创建一个对象？ - Vue 的拦截器有哪些种？ - CSS 前端的定位布局有哪些种？ ## RAG 全链路深挖 - 大模型微调训练部署，我们是怎么去训练的？训练方式有哪些种？ - 应用层，比如说像这个 RAG 这块？ - 那你说一下 RAG 的整个过程。 - Embedding 用的什么模型？ - 你熟悉的向量数据库有哪些？ - PG Vector 它对应的有哪些类似索引类型、存储类型？ - 放到数据库里面之前，要不要归一化？ - Embedding 之后，向量字段一般设置多长？ - 不同文件类型（文本/语音/视频）转成向量后，怎么存储这个字段？维度长度是多少？ - 1024 设的长还是短？对我们有什么影响？可以设两万多吗？128 可以吗？ - 用户提问的时候，召回算法有哪些种？匹配算法？ ## Java 微服务系统设计 - 用户信息基础服务，多个业务服务需要获取用户信息，怎么设计使得带宽性能高、并发最高？ - 不同微服务什么时候放到 ThreadLocal 里面去？ - 怎么去获取这个上下文信息呢？ - 业务服务从哪里获取？ - 在哪个阶段去查 Redis？ - 这个用户 ID 从哪里来的？ ## 技术成长 - 你平时获取最新的技术信息的途径有哪些？ --- # 六、拼多多 — Java后端开发（2026-05-20） > **方向**：电商商家 | **时长**：约 34 min > **特征**：含 14 分钟编程题（String to Integer）+ 5 轮边界追问 + 短链接系统设计 ## 项目介绍 - 那麻烦介绍一下你做的项目。 - 那你这个主要解决什么问题？ - 你们具体是怎么做到的？这个业界有没有比较成熟的方案？ - 你觉得为什么要挑一个你大学时候做的项目来？ - 这个离职的原因方便说一下吗？ - 排查下来具体什么问题？ ## 编程题 — String to Integer - 写一个方法，把一个字符串解析为一个整数。输入"1234"，返回整数类型的1234。 - 你写的有什么问题吗？ - 你觉得有什么问题吗？ - 如果让你来测试，把你的测试用例的范围都写一下。 - 那其他的。 - 还有吗？ - 还有吗？就这几个。 ## 数据库 - 你有没有比较熟悉的数据库？ - 你知道MySQL的索引是怎么实现的吗？ - 为什么B+树？B+树有什么好处？ - 二叉树也是针对查询优化过的，跟B+树相比呢？ - 有一些查询优化经验吗？ - 你说的游标跟跳跃具体是指什么？ ## 消息队列 - 你用过一些像Kafka这样的消息中间件吗？ - 有没有了解过Rebalance概念？ - 你们什么场景会用这个？ - 你刚才说的这个消息具体是什么消息？ - 你怎么避免重复发送呢？ - 日志列表查询消息。 ## 系统设计 — 短链接系统 - 设计一个短链接系统。把长链接映射到短链接，访问短链接时跳转回原始长链接。 - 访问短链接的时候怎么跳转回原来的？需要考虑哪些点？ - 你怎么生成这个短链接？ - 你这个数据结构具体是什么样的？ --- # 七、探迹（2026-05-19） > **特征**：MCP 网关追问 3 层深，可观测性/评测体系方向 ## 项目与工程 - 在你过去这一年里做过的项目，有让你印象比较深刻的那些问题跟你的一个解决方案。 - 你对CAS是怎么理解的？ - 你对整一个K8S的一个操作是会比较熟悉吗？ - 描述一下这个零配置的具体流程…引擎是一行代码都不用去写是吧？ - 如果我这个API需要认证的，你们是怎么做的？ - 限流这一块，并发量有多少？QPS有多少？ - 架构是怎样的？只用到后端限流工具？ - 单机怎么考量的？ - 不会成为单点故障的隐患吗？ - 为什么考虑做这个东西？有出现过下游服务被打的情况吗？ - 这个东西是你自己，不是你们公司的项目吗？ - 你在这个项目中自己学到什么？个人理解？ - 我看到你提到链路评测体系 ## 系统设计 — 垂直观测链路 - 你知道我们公司做什么？如果参与进来做垂直观测链路系统，你怎么设计？思路是什么？ - 从买家消息到AI答案，整个数据流转应该怎样？ ## 测试链路 - 你讲一下你们当时测试链路怎么做的？ - 链路记录在哪里？ - 这个体量不太大是吧？ ## AI Coding 工具 - 你平常AI coding怎么用的？ - code是自己付费还是公司提供？付费国内模型？ - 千问code有去用过吗？ - report rick没有去用过？ ## 个人（已脱敏） - 在职状态确认 - 离职原因 - 所在城市确认 - （涉及其他面试进展等个人问题已略去） # 八、北京用友 — Java开发/AI开发（2026-05-15 / 2026-05-18，共2轮） > **特征**：一轮侧重 Agent 项目深挖 + 安全基础 + Java 并发，二轮偏 AI 概念和 MCP 理解 > **部门**：2 人编制小型研发团队 ## 第一轮 — Java开发/安全方向（2026-05-15） ### Agent 项目深挖 - 这个MCP Gateway，企业级网关中间件是什么意思？ - 你设计的Luna-AI框架，并行模式下多个子Agent的并发执行机制是什么？ - 那聚合各自各个子Agent的结果呢？ - 如果其中有一个Agent失败了，Parrell模式是部分成功还是整体失败？ - （追问）整体失败还是部分成功？ - 你知道这个CAS状态更新机制是吧？ - 你这个Spring AI调用层做了哪些补丁增强？ - 你Google ADK扩展了Agent的调用钩子是吧？ - （追问）采集了哪些关键维度？ - 你用到了那个自动重放失败case的调试环境没有？ - （追问）不是测试框架，是你是否设计了自动重放失败case的调试环境？ ## Java 并发 - 你知道synchronized跟你刚提的ReentrantLock的区别是啥？ - 你刚提到AQS是吧？AQS原理知道吗？ ## 安全 - 你知道XSS攻击吗？ - 跨站脚本攻击（澄清）。 - 你做过登录（登录/鉴权）吗？ - 知道什么叫双因素认证吗？ ## 基础组件 - Redis用过吗？ - 你知道它的这个数据结构吗？ - ES用过吗？ - 知道倒排索引的原理吗？ - 还有哪些组成部分？ - 什么是聚簇索引？什么是二级索引？ - 你知道MySQL优化吗？ ## 前端 - 微微前端的Vue。（你会Vue吗？） ## 收尾 - 有什么想要问我们的吗？ - 我们这边的职责你了解吗？ - （面试官透露）部门开发人也比较少。就是两个人编制。 - （涉及薪资期望、到岗时间、工作地点调配的问题已略去） ### 第二轮（2026-05-18） > 本轮偏 AI 概念理解，面试时长较短（约 16 min） #### MCP / Agent / AI 概念 - MCP跟ATA（A2A）有什么差别？ - MCP主要解决什么问题？ - 除了gateway，还有哪些功能？ - 有鉴权和认证的吗？ - 有监测功能吗？ - 比如说内容，还有一些风险的控制？ - 容器化沙箱跟普通容器比有什么特殊？ - 和LangGraph比哪个方向更好？ - 编排怎么做的？ - Skill的优点？ - 任务跑一天要多少个？ - 1000万大概多少钱？ #### AI Coding - 用AI做开发吗？ - 用CC吗？CC+DeepSeek？ #### 项目难点 - 项目遇到最难的问题是啥？ - 说一下你自己项目最难的问题 - Agent有时效性/瞬时性，你停在一起未必能查出来？ - 临时缓存？ #### 个人（已脱敏） - 前公司发展评价 - 离职原因 - 前公司业务方向/部门职责 - （涉及籍贯、所在地等个人信息的问题已略去） --- # 九、恩士讯 — Java后端（2026-05-15） > **特征**：分布式体系全覆盖，从锁→Redis→MySQL→JVM→MQ→ES 连贯追问 > **时长**：约 33 min ## 并发与锁 - 说一下synchronized和ReentrantLock的区别？ - 微服务多实例下，JVM级别锁锁不住资源，有什么解决方案？ - Redis和ZK实现分布式锁，各有什么优缺点和不同？ - 你对Redis的部署方式了解吗？你们项目怎么部署的？ - 假如Redis加锁后主节点挂了，从节点被提升为主，锁没同步导致丢失，怎么解决？ ## MySQL - 你们项目用什么数据库？MySQL调优有经验吗？ - 具体怎么从十多秒优化到2秒的？ - 数据量大的情况下，分页越深越慢，有什么解决方案？ - 对于MySQL事务你有了解吗？ - 说一下MVCC原理。 - 你们代码上怎么使用事务的？ - 注解方式使用事务有哪些注意点？ - 代理层面事务失效有哪些解决方法？ ## JVM - JVM是怎么把对象判定为垃圾的？ - JDK版本？垃圾回收器？G1相对之前的回收器有什么改变？ - 怎么分析OOM的？具体过程？ ## 消息队列与搜索 - 项目上消息队列用的什么？Redis做MQ比Kafka/RocketMQ有什么缺点？ - ES在项目中扮演什么角色？有什么作用？ - 倒排索引的原理？ - 分布式选举你了解哪一块？ ## Spring - 你们项目用Spring Boot还是Spring Cloud？ - Spring Boot自动配置的原理？ - 你们怎么对接口参数校验的？ ## 编码题 - （投屏做题）面试官投屏题目，候选人截图后做题。 --- # 十、海颐 — Java开发（2026-05-13） > **特征**：传统 Java 八股面，覆盖面广（Java基础 / Spring / 数据库 / Redis / 消息队列） > **数据库**：公司主要用 Oracle 和高斯数据库 ## Java 基础 - 说一下 JRE 和 JDK 的区别。 - 说一下 StringBuilder 和 StringBuffer 的区别。 - 方法中的 IO 流分为哪几种？ - HashMap 的底层结构是？ - 什么是面向对象？封装、继承、多态是怎么理解的？ - 了解过垃圾回收吗？大概讲一下。 ## Spring - 你说一下 Spring 的注入方式有哪一些？ - 再说一下你对 IOC 的理解。 - 说一下 Spring 和 Spring Boot 的区别。 - Spring Boot 的自动配置原理是什么？ ## 并发 - 那你说一下乐观锁跟悲观锁吧。 ## 数据库 - Oracle 或者说华为的高斯数据库有没有了解过？ - 那你说一下索引失效的场景。 - 你之前做的这些项目里，单表的查询量有多大？ - 在 SQL 调优这一方面说一下有没有什么经验。 ## Redis - Redis 具体支持哪些数据类型？ - 那你说一下缓存雪崩的理解。 - Redis 的持久化… ## 消息队列 - 消息队列这一块，Kafka 跟 RocketMQ 对比，各自适合什么场景？ - 那一般 Kafka 在什么情况下会出现丢消息的情况？ ## 项目与软性 - 你在做的项目中有遇到什么难题吗？怎么解决的？ - 能不能接受出差？ --- # 十一、有赞 — Java开发工程师（2026-05-07） > **场次**：第 1 场面试 | **时长**：最长的一场 > **特征**：极致追问链——ThreadLocal 从用法问到线程池原理再绕回到 ThreadLocal 问题，形成闭环 > **MCP/Skill 区分追问 7 层深** ## 项目深挖 — 多 Agent 编排框架 - 这个东西你能介绍一下吗？为什么要做？核心架构是怎样的？解决了什么问题？ - 就那个多 Agent 编排的框架。（聚焦澄清） - 你这个是大学的时候自己做的一个人对？ - 那我就问你现在公司项目 — 沙箱编排平台是公司项目里做的？ - 我看里面提到用 CAS 那个状态更新机制，为什么不用 synchronized 或者是分布式锁呢？ - 那 K8S 资源为什么要统一打环境标签呢？ - 环境标签主要是说控制资源？ - 这个标签打好之后的整个作用是什么？ - 资源不足时清理的优先级类似于这种规则是吧？ - 还有别的用处吗？ ## 项目深挖 — MCP Gateway + Skill - 我看你简历里在 MCP Gateway 做了 OpenAPI 到 MCP 的自动转换。 - 你做这个的时候，哪些是最难处理的？ - 转化为 MCP 的 Tool 定义，里面会有很多难点，最难的几个点是什么？ - 你在里面主要做什么工作呢？ - 这个如果是你要来做的话，肯定会遇到很多问题。 - MCP 的 Tool 需要描述才能让 AI 判断 — 那接口文档里没有描述的话怎么办？ - 所以说跨团队推动协作也是很重要的一个环节？ - 这个也是一个比较难的点？ ## MCP vs Skill 区分（7 层追问） - 你平时用 skill 吗？ - 也会写是吗？ - MCP 和 Skill 和 Agent 分别是指什么？它们都分别带的是什么能力？ - MCP 和 Skill 的话就是一些约束和一些 model 是吧？ - 那 MCP 和 Skill 有什么区别？各自用在什么场景？ - 如果 Skill 只是约束+prompt，我直接在 System Prompt 里写不行吗？为什么还要 Skill？ - 那 skill 里面都包含什么东西？ - Skill 为什么不能只是 prompt？ - 如果是 prompt 的话，直接在 system prompt 里面写不就行了？ ## OpenClaw / Memory - 你平时了解过 OpenClaw 吗？ - OpenClaw 核心定位是什么？ - 那你平时用它什么场景，解决什么问题？ - 你去学习了怎么样？学到了什么？ - 刚才这些记忆分为几个部分？每个部分存在哪些地方？ - 他这个记忆关于哪几种记忆？每个记忆存储在哪？以什么方式存储？ ## ThreadLocal 深度追问（闭环） - 我看你简历里面对 JUC 并发工具 ThreadLocal 比较熟悉，那是什么？ - 它用在什么场景？ - 使用的话会有什么注意的点？ - 一个请求在线程池里，如果中间调了异步线程，ThreadLocal 会不会丢？ - 那我还能从子线程里面拿到主线程的 ThreadLocal 吗？ - 那 ThreadLocal 在线程池里面会有什么危险吗？ - 那为什么会脏掉呢？ - 我们现在来看一下线程池的运行原理是什么？怎么运行的？ - 那如果这个线程一直运行，它内部的运行机制是怎么样的？ - 那我用完的线程，如果执行完之后呢？ - 那在线程池这个运行机制下 ThreadLocal 会有啥问题？再回头来看。 ## HashMap / ConcurrentHashMap - HashMap 和 ConcurrentHashMap 有什么区别吗？ - 那 resize 为什么会有危险？ - Reset 方法你看过源码？会有什么问题？ - 这是 JDK 1.7 的是吧？1.8 是什么方式扩容的？ - 1.7 的话 HashMap 扩容会有什么危险？ - 尾插法最终会导致什么问题？ --- # 十二、跨公司同类题归并索引 > 以下索引将 13 场面试中考察相同/相似知识点的题目归并到一起，方便针对性刷题。 > 格式：`题目概要` → 来源公司 ## AI Agent / Multi-Agent 编排 | 考察点 | 出现公司 | |--------|---------| | Multi-Agent 编排架构设计 | 华大制造、广州大娱、OPPO、中泓一线、北京用友、有赞 | | Agent 框架选型（ADK/LangChain/Spring AI） | 华大制造、广州大娱、OPPO、安克创新、北京用友、北京用友 | | Skill 的含义/加载/自进化 | 华大制造、广州大娱、安克创新、OPPO、北京用友、有赞 | | Agent 工具调用机制（Function Call 原理） | 华大制造、广州大娱、中泓一线 | | Agent 上下文记忆管理（Memory） | 中泓一线、有赞 | | Chatbot → Agent 的核心跨越 | 广州大娱 | | 并行 Agent 的失败处理（部分成功 vs 整体失败） | 北京用友 | ## RAG / Embedding / 向量数据库 | 考察点 | 出现公司 | |--------|---------| | RAG 完整流程（切分→Embedding→检索→生成） | 中泓一线 | | Embedding 模型选型（bge / OpenAI / m3e） | 中泓一线 | | 向量数据库选型（PG Vector / Milvus ） | 中泓一线 | | PG Vector 索引类型（IVFFlat / HNSW） | 中泓一线 | | 向量归一化（L2 / 余弦相似度） | 中泓一线 | | 向量维度 trade-off（1024 vs 3072 vs 128） | 中泓一线 | | 召回算法（余弦相似度 / KNN / Reranker） | 中泓一线 | | 异构数据向量化（文本/语音/视频） | 中泓一线 | | 大模型微调训练方式（LoRA/QLoRA/SFT/RLHF） | 中泓一线 | ## MCP / 工具调用 / Function Call | 考察点 | 出现公司 | |--------|---------| | MCP 协议理解（解决什么问题） | 华大制造、北京用友、安克创新、中泓一线 | | MCP vs Skill 区别 | 安克创新、有赞 | | MCP 网关架构（鉴权/限流/降级/缓存） | 华大制造、OPPO、探迹、中泓一线、北京用友 | | MCP vs A2A 区别 | 北京用友 | | OpenAPI → MCP Tool 自动转换 | 华大制造、有赞 | | 网关高并发处理（限流方案） | 华大制造、探迹 | ## Java 并发 / 锁 / 线程 | 考察点 | 出现公司 | |--------|---------| | synchronized vs ReentrantLock 区别 | 恩士讯、北京用友 | | CAS 机制理解 | 有赞、探迹、北京用友 | | AQS 原理 | 北京用友 | | ThreadLocal 使用场景与内存泄漏 | 中泓一线、有赞 | | ThreadLocal 在线程池中的问题 | 有赞 | | 线程池运行原理 | 有赞 | | HashMap vs ConcurrentHashMap | 有赞 | | HashMap resize 扩容问题（1.7 头插法死循环 / 1.8 尾插法） | 有赞 | | 乐观锁 vs 悲观锁 | 海颐 | | 分布式锁（Redis vs ZK） | 恩士讯 | | Redlock / Redis 锁丢失问题 | 恩士讯 | ## 微服务 / 分布式 / Spring | 考察点 | 出现公司 | |--------|---------| | 微服务跨服务用户上下文传递（ThreadLocal + Redis + 网关） | 中泓一线 | | Spring Boot 自动配置原理 | 恩士讯、海颐 | | Spring IOC / DI 注入方式 | 海颐 | | Spring vs Spring Boot 区别 | 海颐 | | Spring Cloud / 微服务生态 | 中泓一线 | | CAP 理论 | 中泓一线 | | 分布式选举 | 恩士讯 | | 模板方法模式 | 中泓一线 | ## MySQL / 数据库 / 索引 | 考察点 | 出现公司 | |--------|---------| | MySQL 索引实现（B+树） | 拼多多 | | B+树 vs 二叉树对比 | 拼多多 | | 聚簇索引 vs 二级索引 | 北京用友 | | 倒排索引原理（ES） | 恩士讯、北京用友 | | 索引失效场景 | 海颐 | | SQL 调优经验（分页深坑优化） | 恩士讯、海颐 | | MVCC 原理 | 恩士讯 | | 事务注解失效场景 | 恩士讯 | | MySQL 查询优化 | 拼多多、北京用友 | ## Redis / 缓存 / 消息队列 | 考察点 | 出现公司 | |--------|---------| | Redis 数据结构 | 海颐、北京用友 | | Redis 缓存雪崩 | 海颐 | | Redis 持久化 | 海颐 | | Redis 分布式架构 | 中泓一线 | | Redis 做 MQ vs Kafka/RocketMQ 对比 | 恩士讯 | | Kafka 偏移量 / Rebalance | 中泓一线、拼多多 | | Kafka vs RocketMQ 场景选择 | 海颐 | | Kafka 重复消费/丢消息 | 拼多多、海颐 | ## DevOps / K8S / CI/CD | 考察点 | 出现公司 | |--------|---------| | CI/CD 流水线理解（Jenkins→构建→镜像→部署） | OPPO | | K8S 滚动更新 / 健康检查探针 | OPPO（预测） | | K8S 环境标签 / 资源管理 | 有赞、探迹 | | 容器沙箱 vs 普通容器 | 华大制造、北京用友 | | 离线部署经验 | OPPO | | DevOps 方向认知 | OPPO | ## 计算机网络 / 安全 | 考察点 | 出现公司 | |--------|---------| | XSS 攻击 | 北京用友 | | 双因素认证 | 北京用友 | | 登录鉴权 | 北京用友、探迹 | | TCP 三次握手/四次挥手/TIME_WAIT/拥塞控制 | OPPO（预测） | ## 前端 | 考察点 | 出现公司 | |--------|---------| | JS 创建对象 | 中泓一线 | | Vue 拦截器 | 中泓一线 | | CSS 定位布局 | 中泓一线 | | 前端了解程度 | 中泓一线、北京用友 | ## 个人 / 职业规划 / Relocation | 考察点 | 出现公司 | |--------|---------| | 离职原因/离职时间 | 几乎所有公司 | | 居住地 / 通勤 / relocation | 中泓一线、华大制造、安克创新、OPPO、北京用友、探迹、北京用友 | | 职业规划（工程 vs PM） | 安克创新、华大制造 | | 语言偏好（Java vs Python vs Go） | OPPO、安克创新 | | 加班态度 | 华大制造 | | 出差意愿 | 海颐 | | 成就感来源 | 华大制造 | ## 开放设计题 / 编码题 | 考察点 | 出现公司 | |--------|---------| | 短链接系统设计 | 拼多多 | | BI 数据分析智能体设计 | 广州大娱 | | 垂直观测链路系统设计 | 探迹 | | 微服务用户上下文传递设计 | 中泓一线 | | String to Integer 编码 | 拼多多 | | 投屏做题 | 恩士讯 | ## 学习习惯 / 技术视野 | 考察点 | 出现公司 | |--------|---------| | 技术学习途径 | 中泓一线、安克创新 | | AI Coding 工具使用（Claude Code / Codex） | 探迹、北京用友、安克创新 | | 中美 AI 差距看法 | 安克创新 | | 八股文态度 | 安克创新 | | GitHub / 技术博客 | 安克创新 | --- > **统计**：13 场面试，覆盖 10 家公司，累计提取约 **350+ 个独立提问**（含追问链）。 > 面试时段：2026-05-07 ~ 2026-05-26（20 天） > 面试类型：Java 八股面（海颐/恩士讯）、AI 项目深挖面（华大制造/广州大娱/北京用友）、总监全景面（中泓一线）、综合性面（拼多多/OPPO/有赞）

某中型AI设备研发AI Agent开发岗一二面面经（已拿offer）

> 趁对话记忆还没转到summary状态分享一波，5-10年经验档位基本还是项目上的问题为主全程无八股。本人年纪是过35的，好不容易拿到这个保底。公司是研发AI产品的甲方自研，岗位聚焦公司内部AI提效。驴算找到了下一阶段工作就是继续找马，抓紧这波AI大航海时代的节奏。 > > 事先声明：这篇面经含糖量极高 ### 面试概况 - 岗位方向：AI Agent 开发 - 一面：双面试官，线上飞书，约 50min，技术初筛 - 二面：现场，约 55min，偏技术深度 + 场景设计，和一面相同面试官 - 三四面略，HR 和 Boss 面常规 --- ### 一面面试问题 1. 自我介绍 + 最近做过的项目介绍 2. 项目的整体架构是什么样，你做了哪些 AI 提效工作 3. 说说项目里的一些技术栈和具体的运用，以及介绍一些运维工作内容 4. 团队规模简单介绍下，人员构成和分工情况 5. 云原生相关服务器怎么部署有了解吗？简单说下 6. 实时监控工具是怎么搭的？用了什么技术 7. 你之前软件有哪些安全策略，本地安全排查怎么设计 8. 讲讲你们之前项目 RAG 是怎么做的 9. 说说你们 AI Agent 项目 LangGraph 怎么搭的 10. 说一下你对 AI Agent 和 LLM 的深度理解 11. AI 在系统运维有哪些运用 12. 平时用的 AI Vibe Coding 工具有哪些，有什么好的使用建议 13. 如果大数据做 AI 化你有什么好的想法？ 14. 项目中遇到什么问题？怎么解决的 15. 讲讲你之前系统数据规模，有哪些并发场景 16. 根据简历问了一些指标问题（兄弟们面试前简历要过一遍尤其是指标，不然这里容易吃亏） …… 一面我个人总结下来还是偏商务，大概也能知道他们想做的是 AI 运维系统，问的比较杂更像技术初筛 --- ### 二面面试问题 1. 项目部分又深扒了一下 2. 当初大模型选型看重的是什么角度和指标？具体说下 3. AI 系统设计场景题 1：大概是给定一些数据，怎么落到向量数据库那边 4. AI 系统设计场景题 2：如果要设计一个 XX 一样的系统，你的 AI 改造想法是什么？怎么一步步实现功能 5. 顺着简历问了下一些项目功能的实现细节 6. 介绍了一个公司内部的软件，有什么 AI 提效的想法，简单实现让我说一下 7. LLM 参数规模和微调的事大概问了下 8. 对 context engineering 的理解，上下文压缩技巧和原理 9. 我有一些接口，想做一个和 XX 系统的对接具体怎么实现？团队如何分工开发如何部署简单说下 10. 参数指标方面二次拷问，怎么进一步优化 11. 如果整套系统重构 AI 怎么设计都有哪些难点 12. 项目里 prompt 是怎么优化的，优化后的效果具体说下 最后 10 分钟基本上闲聊了，估计面试官那边也有底了最后反问环节。 …… 先回忆起这么多问题了，二面开始偏运动了，还是之前的面试官，原来之前搁那边装唐呢。我也部分装唐其实不是我想装，是我真没想过类似的场景，好在有模板可以套 --- ### 我的面试总结 这次整体感受是 AI 初年的面试没有想象中那么变态，问的 resource 层面其实不多，主要就围着那几个框架转：RAG、Transformer、LangChain、LangGraph，再加上 AI Agent 的一些基础知识和模型选型、微调。当然要看你总包要多少，要得越高难度才会指数级上升，你再指数级退避装唐就行。 **场景设计部分：** - 数据落到向量数据库那道题，我提了 LangGraph + LangChain 结合的方案，然后讲了怎么设计各个 state 和条件边路由，又讲了对应工具怎么设、怎么按需调取，顺便把多路调用、断点重试、Guardrails 输入输出安全机制这些也塞进去了。 - 设计内部提效系统那道，对面的软件我连名字都没印象，还现问了一下详情。然后我顺着主要功能，先拆解出具体功能点的 AI 实现方式，又讲了怎么用 AI 整需求文档和方案设计，然后继续套到熟悉的 LangGraph 架构上，说了一些 state 设计要点，再分解功能，讲怎么设计 AI 工具和 Skills。不熟悉的我就套模板，这关算是惊险过去了。 **其他技术点：** - 实时监控工具的部分，还好 AI 零代码最后几章有看到，能接住。 - 模型选型、context engineering 和上下文压缩、prompt 优化这些，基本都围绕项目实际效果去讲，优化前优化后对比着说。 - 一面偏商务，问得很杂，但也能感觉到他们想做的是 AI 运维系统。二面就直接上强度，场景设计题很吃现场拆解能力和模板套用能力。 **一些个人心得：** 多学 AI 相关的知识和 Vibe Coding 就完事了。多面几次，话术和理解自然就能逻辑自洽、自圆其说。偶尔装下唐，不熟悉的就先请教下面对，给面试官一个显摆的机会，然后再说自己的看法和技术层面的见解，营造一种组内技术探讨的氛围。不过这招要慎用，不同面试官不同策略，我这次刚好赶上吃这套的。 ## 写在最后 这次有保底offer就不慌了，后面就是继续战斗爽，万事开头难加油吧大家！拿到offer其实我内心反倒毫无波澜，开始反思是不是之前的面试从第三人称视角看，自己就是个唐人。唐了就多学多看多练说话多面试多么复盘多大点事，自在极意要么就是运气差就这么简单。