后端开发一面、二面、三面面经

神奇的流程，9月份一周一面，四面HR说是VP面，卡了40+约不上面试，清理下面经，供大家参考。

一面9.8 技术面 半小时

1. 自我介绍
2. 浏览器插件翻译工具：技术栈、插件形态，是否自研、是否基于大模型；
3. 插件翻译项目中 RAG 的实现、检索策略，术语校对方案，专家校对数据用途
4. 如何缓解大模型幻觉，项目最大难点，是否为美团内部工具、大模型安全考量
5. 第二个智能翻译项目：工作流依托什么平台，是否自动触发
6. 缺货归因 & 入仓任务项目：大数据场景了解情况
7. 是否有高并发、大数据量场景，线上性能调优或者故障排查案例
8. Spring AI RAG 项目：向量库常见索引类型及原理
9. RAG 混合检索 + 重排流程，GraphRAG 了解吗
10. 近期大模型前沿技术了解
11. MCP 协议底层原理
12. AI Coding 的使用方式，日常大模型还有哪些使用场景
13. 大模型网关（中转站）：是否接触过，技术角度核心功能设计
14. 从产品视角设计大模型网关，如何吸引用户

二面9.17 技术面 半小时

1. 自我介绍（个人、项目、实习、学习经历）
2. Spring AI Agent 项目：是否为个人学习项目，Agent 核心理念与关键点
3. Spring AI Agent：自研优化点、思考，模型选型与实际使用模型
4. 对 RAG 配套模型认知：embedding、reranker；项目踩坑，是否读过源码排障
5. MasterGo 翻译插件：需求方案归属、可行性评估、前期调研与选型
6. MasterGo 翻译插件：翻译模型接入方式，试点上线效果
7. AI-ready 项目知识库：是否 0-1 搭建，多类型文档处理、入库与质量保障方案
8. 知识库落地带来的业务收益
9. AI 编码工具（Codex）使用技巧，如何提升生成代码质量
10. 多 Agent 通信、Harness 架构的学习时间线
11. 当前学习内容、后续技术规划
12. 候选人反问环节；询问面试出结果的周期

三面9.22 HR面 半小时

1. 简单自我介绍
2. 项目里印象深刻的难题（技术 / 沟通均可），解决过程
3. 是否做过需求评估，有没有拒绝需求，举例说明
4. 碰到陌生技术领域，如何快速学习、推进任务
5. 是否主动复盘总结，分享最近总结的内容
6. 常用 AI 工具，谈谈带来的影响与看法
7. 跨团队方案分歧场景，沟通协调方式
8. 接到边界模糊的任务，是否主动承接、如何落地推进
9. 为什么考虑合肥
10. 投递讯飞的原因，对讯飞的理解
11. 候选人反问：是否还有四面，VP 面是否偏技术

四面 VP面 还是半小时

国庆后多次沟通均回复等待安排中，近期安排, 直到 10.20+成功约面，月底面试前被通知VP有事，后续再安排

目前依旧等待中，后续面完更新。根据面完的小伙伴反馈是一点技术+行为面