IT全栈交付培养生一面面经

1. 自我介绍
2. 我看你简历上 Coding Agent 相关的经历比较多, 你大概是从什么时候开始用的?
3. 我看你在百度有提到用 Codex 和 Claude, 他们是走的订阅还是走的 API, 还是什么样的?
4. 实习公司都有内部 AI 工具是吗? 这些工具提供了哪些额外的功能或者能力呢?
5. 你也差不多用了 Coding Agent 有接近一年了嘛, 能不能说一下你的体感, 从一开始用到现在, 包括不同的模型不同的工具, 你实际的一个感受.
6. 在这些实习经历里, 你开发过程中涉及的仓库多吗? Repo 多吗? 哪些项目是你自己完成的, 哪些项目是团队协作开发的?
7. 我想问的是, 在团队协同开发的过程中, 你们的这个共享知识库, 大概是怎么维护的? 包括这些 Skill 的之类的维护. 这块你有了解吗? 或者你说一说你的感受.
8. 你说每个公司都有 Skill Hub 是吧, 那用得好的 Skill 怎么样放上去, 使用者看到好的 Skill 怎么拉下来使用?
9. 我不知道你对知识库的维护或者积累是怎么样的, 对于不同项目的各种各样的一些背景知识. 特别是当你要维护 10 多个或者 20 多个 repo 的时候, 要去怎么做? 怎样共享项目背景和知识之类的.
10. 就是怎么让帮助 agent 后面能做得更好的这些东西, 怎么去沉淀和共享, 怎么去避免我每次开个新任务都要跟 AI 说一大堆背景.
11. 你有用过一些其他什么外部的插件吗? 现在不管 Claude 还是 Codex 都有很多第三方的不错的插件, 什么知识图谱呀, RAG 或者 Memory 呀之类的, 这块你有用到过一些吗?
12. 你现在使用 AI 工具的话, 你人在整个开发过程中主要参与的环节是哪一些? 哪些环节还需要人比较多的干预?
13. 你说 ai-pipeline 这个流程中人只需要在关键节点做决策, 那你这个关键节点怎么定义? 它会给你发消息? 还是停下来? 还是怎么样? 这里是怎么设计的. (ai-pipeline 流程: analyze (analyze_code, analyze_doc) --> inject --> generate --> lint --> review_loop (含fix) --> final_report)
14. 我有个问题, 你的测试和验收的环节呢?
15. 你 generate 之后跑的这个测试是单元测试还是整体的一个集成测试?
16. 端到端的测试跑一轮一般多长时间?
17. 说一下你一般使用 AI 开发的完整流程? SDD 是怎么用的?
18. 还是依赖人工测试是吗? 为什么不让 Agent 去进行测试呢? 你人工做的事情, AI Agent 为什么不能做? 这里有哪些卡点, 是什么原因呢?
19. 你提到的端到端的这些需要注意的细节, 有没有可能通过什么方式告诉 Agent?
20. 你提到了 ai-pipeline 里面有一个自洽的功能, 发现了代码问题, 要怎么去变成新的规则, 怎么去反哺 ai-pipeline 的自进化.
21. 代码不符合引擎规范, AI 是怎么发现的? 它什么时候去找到这个问题? 还是有什么东西去采集去抓.
22. 你说的这个 ai-pipeline 最后是一个平台? 还是一套 Skill? 还是什么东西? (git submodule, 或者一个插件)
23. 有些过 Claude 或者 Codex 的插件吗?
24. 你了解它们有哪些是类似于插件的方式或者说体机制之类的?
25. MCP 和 Skill 有哪些差异? 什么时候用 MCP, 什么时候用 Skill?
26. 从日常使用来看, 二者有哪些区别? 它们在上下文方面有什么差异?
27. 你说 Skills 是直接插入到上下文的是吧? 那整个 Skill 文件一开始就会直接全部读进去了是吗?
28. 你在百度那边做的事情, 你感觉里面有什么有挑战的东西吗?
29. 一般出一次数, 大概时间耗时是什么样的? 数据大概是一个什么量级?
30. 看你有用到 Temporal 引擎是吧, 这个是你引入的还是他们本来就有的?
31. 那你具体是怎么用的? Workflow 和 Activity 如何拆分, 分别负责什么东西? 大概有多少Activity?
32. 是根据什么来拆分 Activity 的, 为什么?
33. 为什么品牌筛选要分成两步 (大品牌粗筛 和 子品牌细粒度筛选)?
34. 数据查询是从什么平台查的?
35. Offer 情况.
36. 反问:

• 业务: 一级部门统招, 进来之后再分.
• 对 AI 发展速度的看法, 是太快了还是太慢了: 还OK, 期望更快一点, 如果 AI 能够做所有事情的话, 可能人都不用工作了.
• 学习或职业发展建议: 具体根据自己的规划和 AI 交流可能更合适一点.

面试体验和总结: 面试官非常友好, 全程都很耐心的在听我讲[赞]. 反问的时候聊到如果 AI 飞速发展, 能够完成所有工作, 到时候就会引发社会生产力变革, 人可能不用再像今天一样工作了, 而是将精力聚焦于别的地方 (比如放眼宇宙), 希望这一天快一点到来吧[摸鱼中][摸鱼中].