AI 数据工程师一面面经

面试时长大约44分钟，整体以简历和项目经历为主，没有手撕代码，主要考察Agent、数据处理、评测以及职业规划。

面试问题

1. 请先做一下自我介绍。
2. 你之前主要做过哪些项目？哪些经历和AI数据工程师这个岗位比较相关？
3. 你在新闻交易Agent项目中，主要负责哪些内容？
4. 你目前在做什么？Agent Infra和之前的Agent应用开发有什么区别？
5. 你在当前开源项目中发现了什么问题？具体做了哪些评测和优化工作？
6. 你如何理解Claude Code、Codex这类Coding Agent的核心机制？有没有阅读过相关源码？
7. 如果要在实际业务中使用Coding Agent的能力，你会直接使用现有工具，还是自己开发一套Agent？
8. Skills和subAgent分别适合什么场景？如果是一个比较长的数据处理流程，你会怎么设计？
9. 多Agent协作过程中，通信、异步执行和权限隔离等问题怎么解决？
10. Agent长时间运行后可能出现上下文遗忘或效果下降，你会如何判断和优化？
11. 你怎么看Skills最近比较火这件事？为什么Skills能够降低普通用户使用AI的门槛？
12. 如果为优酷设计一个同时面向内部数据人员和C端用户的问答Agent，你会怎么做数据接入、权限控制和工具封装？
13. 你认为自己的核心优势是什么？
14. 你的职业规划是什么？更倾向于Agent Infra、Agent应用开发还是其他AI方向？
15. 你认为自己目前最大的缺点或不足是什么？
16. 你下一段实习和秋招是怎么安排的？预计什么时候可以入职？
17. 对工作地点有什么偏好？是否更倾向于杭州？

反问环节

1. AI数据工程师和AI应用研发工程师的主要区别是什么？
2. 这个岗位的数据工作更偏传统数据分析，还是为大模型提供数据处理、评测和优化支持？

面试感受

整体不是传统的数据开发面试，几乎没有考Spark、Flink等八股，也没有手撕算法。面试官主要围绕个人经历展开，重点关注：

• 是否真正做过数据抓取、处理和挖掘；
• 是否理解Agent、Skills和Subagent；
• 是否具备评测驱动和工程优化思维；
• 是否考虑过权限、安全、成本和业务落地；
• 个人职业方向是否和岗位匹配。
• 是否愿意去北方

项目细节会根据回答继续追问，所以准备时需要把每段经历的背景、个人职责、技术方案、数据规模、评测指标和最终结果梳理清楚。