背景、需求与技术栈
3 道题目查看回答思路收起回答思路
先说明项目用途，紧接着讲技术栈及各自分工，再讲处理流程、个人职责和一个具体难点。这样面试官能先了解系统全貌，再追问你负责的部分。
以下是四个假设的行业二开案例。通用链路按现有开源代码介绍，行业增量按拟议方案展开，可结合实际完成的模块组织自己的回答。
经营问数与研究报告分别对应两条 Python 路线；设备售后提供 Java 服务开发和 RAGFlow 平台集成两种答法，可按自己的业务与技术分工选择。
来源 · 213 篇面经 · 1 篇面经合集 · 43 份题集收起来源
问之前实习的Agent的设计逻辑,问创新方法的实现
用一句话和两分钟分别介绍项目。
【Agentic训练输出token】你的Agentic训练平均输出token是多少？ 「腾讯」
【生成式架构】详细讲解尝试过的生成式架构，讲解他们token化的区别，为什么要做这些结构，出发点，参数量及样本量。 「美团」
【系统设计与边界情况】你设计的系统是什么样的，提示词中是否有考虑到一些边界情况？ 「腾讯」
【SFT/RL训练细节】项目细节：SFT数据的合成细节、SFT/RL的训练细节，奖励函数。 「美团」
【多模态预训练模型】请分享一个你在多模态预训练模型中的实践经验？ 「字节跳动」
【新闻推荐项目】介绍新闻推荐的项目 「美团」
【AI基础设施实习贡献】介绍相关实习的AI Infra技术工作及核心贡献。 「阿里巴巴」
【完整测评考虑因素】项目中的背景 挑战 困难 测评 对于训练完的模型 如果做比较完整的测评 要从哪些方面考虑 业务场景如何测试？ 「百度」
【模块间协议设计】各个模块之间的协议是怎么设计的？ 「阿里巴巴」
【技术实现细节】各种技术，做一个demo出来，你会分怎么执行？技术上怎么实现？追问：那你们是怎么做这个文件的拼接的，调的哪个接口？ 「京东、字节跳动、百度」
【无监督学习应用】请分享一个你利用无监督或半监督学习方法解决风控问题的案例。 「蚂蚁集团」
【产品端与商业化】这个产品是电脑端还是手机端，用户量和商业化情况怎么样? 「字节跳动」
请做自我介绍。变体：1. 然后挑一个项目。2. 然后挑一段经历展开。3. 然后说他一会儿敲键盘是记录面试情况。4. 然后进行项目拷打。5. 然后问为什么要面百度。6. 由于没有互联网实习，为了表现优势，强调是大模型资深用户。7. 简历项目提问，是否了解推荐算法？8. 简洁突出核心竞争力和适配性。9. 重点突出项目成果和产品能力。10. 项目询问。11. 师傅你是做什么工作的？12. 请快速吟唱自我介绍。13. 请用中文做自我介绍。 「字节跳动、百度、美团、阿里巴巴」
【模型架构设计】模型的具体架构以及为什么要这么做？ 「京东」
请你用 2 分钟介绍一个最有代表性的 Agent 项目
面试追问：介绍一下你的 Agent 项目：解决什么业务问题，包含哪些核心模块？
13. 介绍一下你们的TSM平台和Agent功能
3.项目的具体实现相关的问题（怎么拿到数据，数据存本地吗等）
3. 介绍下项目，如何设计从数据接入到结论生成的整体架构？
请你详细介绍你的AI项目；
2. 选一个你做得最满意的 Agent 项目，完整讲一遍。——从业务背景到技术方案到落地效果。不要报菜名（说用了 RAG、用了 Multi-Agent），我要听设计决策背后的思考。
4.介绍整体架构和细节
讲一下实习工作
3. 在项目中承担什么角色
19. 项目3整体架构、模块分层？
3.问项目：数据格式，解决的问题，你这个未来的应用场景具体是什么？
（8）个人agent项目深挖
20. 简历别的项目随便问了问主要工作
1. 自我介绍，并选择一个最熟悉的 Agent 项目做深入介绍。
7.项目经历深挖
有无搭建过完整的 agent，memory 管理怎么做的
1. 实习拷打
14. 做了一些小项目吗？
1. 介绍项目业务背景、完整业务链路，线上Query、Item数据量级
项目的整体思路
How should you discuss a project where PyTorch was central?
Alireza Dirafzoon · PyTorch 实现与追问 原文
- 题目来源
- Devinterview 其中第 85—146 题的题目索引来自 Devinterview，答案由 AIMLInterviews 重新撰写；原文的 50 题补充部分在此收录为 62 道，含拆分追问。
面试官让你介绍一个做过的 RAG / Agent 项目，你应该怎么讲？
如何从一次请求讲清系统架构？
面试官问“你做过 AI 应用吗”，如何从业务场景、架构、效果评测和上线治理回答？
如何说明一个 AI 系统在信审链路中的位置和职责？
新闻交易 Agent 项目管线如何搭建？Agent 响应延迟是多久？新闻到交易完成需要的时间？
查看回答思路收起回答思路
先讲使用者原来怎样完成任务、在哪一步卡住，再说明现成办法还缺什么，以及首版准备解决多大的问题。技术选择放在这些需求之后，能更清楚地解释为什么值得做。
以下四版沿用项目介绍题中的假设行业案例：业务原流程是场景设定，开源底座能力有源码依据，行业模块与验证尚未实施。
来源 · 15 篇面经 · 1 篇面经合集 · 2 份题集收起来源
【基座模型数学能力提升】为什么你只对基座模型的数学能力做提升？ 「腾讯」
【配送调度选择原因】你为什么选择做配送调度？ 「美团」
查看参考回答收起参考回答
以教程中的电商问数后端为例，可以这样介绍：项目把自然语言问题转换为查询结果，技术栈主要是 Python、FastAPI、LangGraph、MySQL、Qdrant 和 Elasticsearch。
Python 承载业务实现和模型调用；FastAPI 提供查询接口、请求解析和依赖组装；LangGraph 把关键词抽取、检索、上下文整理、生成和校验 SQL 等步骤组织成有状态的流程。MySQL 一部分保存元数据，一部分作为示例数仓执行查询；Qdrant 用于字段和指标的向量检索，Elasticsearch 用于字段取值检索。模型根据筛选后的上下文生成 SQL，查询结果由数据库计算，执行进度和结果通过 SSE 返回。
选这些组件，是因为这个场景既需要语义匹配，也需要精确的数据计算和明确的流程控制；不是所有结果都交给模型凭语言生成。
来源 · 35 篇面经 · 7 份题集收起来源
系统用了什么语言? 「腾讯」
3.详细介绍自己使用的技术，遇到的问题，如何解决的?
数据可视化这个部分主要使用的技术是什么？
4. 使用的底层框架是什么
17. 项目中一共使用了几个模型？分别是什么？
关键方案是根据什么约束选出来的，代价是什么？
如何介绍 PPT 自动生成管线的技术栈并说明选型？
个人职责与实现边界
2 道题目查看参考回答收起参考回答
回答这题，可以先说明各方负责什么，再用一次功能交接讲清自己实现哪段、依赖哪些资料，以及交给谁验收。项目背景与整套架构不必重新介绍。
以下沿用四个尚未实施的行业设计案例，人员分工也是用于说明协作的假设，不代表真实团队经历。每版分别给出一套可独立展开的分工方案。
门店经营分析助手（Python）
业务方负责确认经营指标怎么算，数据服务方提供订单、退款和门店数据，以及可查询的范围；前端负责提问与结果展示。我承担门店指标与上下文适配的设计和开发。
具体来说，我要把业务定义写成可用的指标元数据，配置别名、依赖字段和数据源映射，再接入电商问数已有的召回与合并流程，让
SQL生成拿到正确的表字段和计算口径。三路召回、字段去重与依赖补齐是开源底座已有的能力。交付时，我会把指标配置、一次请求的上下文、生成的
SQL和结果放在一起，交给业务与数据服务方核对，再把稳定的结果字段交给前端。比如“本月净销售额”，就用跨月退款的样例确认退款按发生时间扣减，而不是只看SQL能不能执行。
设备售后知识助手（Java）
售后方负责确认型号别名、版本兼容条件和处理边界，资料维护方提供手册及生效范围，前端负责设备信息采集和引用展示。我负责
Java后端的设备匹配与检索范围适配。我需要根据型号、硬件或固件版本，算出允许使用的手册；信息不全时返回补问项，存在冲突时返回原因。随后把允许范围接入
Ragent固定问答链的实际召回通道，包括补充检索，并把文档版本带到最终出处中。文档入库、多路检索、融合重排和生成能力复用底座。我会向前端交付补问、冲突、无资料和正常答复这些结果约定，向售后方交付设备到手册的匹配记录及引用样例。验收用相同故障、不同型号或版本的问题，既核对选中了哪份手册，也核对建议是否有该手册支持。
产业情报研读平台（Python）
研究人员负责定义主题、时间范围和需要回答的子问题，数据与资料维护方提供可用数据源，前端负责任务进度和报告展示。我负责来源适配与证据组织，重点是把搜到的材料变成能够支持具体结论的记录。
我需要扩展来源工具的输出，取得原文内容、网址或文件位置、发布日期及事实发生时间，再统一企业与产品名称，把转载归为同一来源线索，将支持或冲突的材料关联到结论和报告段落。主智能体调度来源助手、生成
Markdown和交给研究人员的产物包括研究初稿、结论对应的证据和待复核项。比如一份资料写“发布样机”，另一份写“计划交付”，我会分别保留事件和日期，交由研究人员核对结论表述。验收要能从报告的一句话回到原文，也要能看出哪些材料并不支持“已经交付”。
设备售后知识助手（RAGFlow 集成）
平台维护方负责
RAGFlow的模型配置、手册上传、解析与索引准备，并交付知识库和文档标识；售后方确认设备与手册的适用关系。我负责平台外部的Python/FastAPI设备资料适配服务，前端调用这层服务。我的实现范围是设备到手册、再到平台文档的映射，以及检索请求和响应的适配。匹配成功后，用知识库 ID 和文档 ID 调用片段检索接口，再核对返回片段的来源，把适用内容交给生成环节。缺少设备条件就补问，没有适用手册就直接返回资料缺口。
交接时，我会和平台维护方核对一份手册的文档 ID、解析状态和检索样例，再向前端提供答复、引用及缺口状态。售后方用不同型号和版本验收适用性；我与平台维护方共同核对实际请求和返回来源，尤其确认空匹配时没有发出平台检索。
来源 · 53 篇面经 · 5 份题集收起来源
团队其他人分别做了什么？
【研究方向与科研管理】1. 为什么博士有两个方向？介绍科研方向。 2. 科研时间的分配与规划方式，实验与论文是否同步进行，以及各科研项目中idea和实验是否独立完成。 「百度、腾讯、蚂蚁集团」
【团队角色与价值创造】在团队合作中，你通常扮演什么角色?你认为在算法研究团队中，你的角色如何为团队创造价值? 「蚂蚁集团」
你这个项目到底是不是自己做的？
13. 你主要负责哪些模块、哪些具体开发工作？
查看回答思路收起回答思路
先说明采用什么底座、复用了什么，再讲业务需求增加了哪些模块，以及从需求到验证的开发路径。把配置、业务集成、扩展和源码修改落到具体工作，就能讲清项目怎样完成、个人负责哪一部分。
以下是四个假设的行业二开案例。底座功能按现有代码介绍，行业增量为拟议设计，开发与验证路径可结合实际完成情况使用。
门店分析侧重指标与数据适配，Java 设备助手侧重检索链路中的业务限制，产业研读侧重证据组织，RAGFlow 设备助手侧重平台 API 集成，可按项目路线选择一版展开。
来源 · 6 篇面经 · 4 份题集收起来源
【训练框架与库】训练是怎么做的，是用的开源框架还是自己写的训练代码？主要用的什么库？ 「蚂蚁集团」
如果面试官质疑项目太像教程怎么办？
13.介绍一下之前做过的相关项目，这个项目是完全自主开发，还是基于已有开源方案进行改造？
2.讲实习：自研设备啥样？框架是自己搭的吗？改过哪些东西？
难点与技术亮点
2 道题目查看回答思路收起回答思路
选一个能讲清个人决策的具体问题，说明它为什么难、根据什么缩小范围、最后改了哪一步，以及用什么确认有效。重点放在排除错误方向和方案取舍，项目背景只交代到能理解问题即可。
下面沿用四个假设的行业案例，业务增量与难点处理均为设计示例；验证部分说明可使用的对照输入与判定依据，不代表已经完成实验或上线。
来源 · 96 篇面经 · 30 份题集收起来源
业务上遇到的最大挑战是什么？怎么解决的？
项目中遇到的最大挑战是什么?你是如何解决模态异构性问题的?
项目里最难复现的一个 bug 是什么？
你遇到过最大的技术困难是什么？
【自动驾驶模型失败案例】跑过那么多仿真/实车，你有没有遇到过那种“人类司机闭着眼都能过，但你的模型就是死也过不去”的Case？ 「字节跳动」
【OOM处理】你修过一个推理/训练过程中显存异常和长稳问题，这个问题原来为什么会发生？你具体做了什么？为什么修完之后就能稳定？ 「阿里巴巴」
【完整测评考虑因素】项目中的背景 挑战 困难 测评 对于训练完的模型 如果做比较完整的测评 要从哪些方面考虑 业务场景如何测试？ 「百度」
【项目复盘与改进】请复盘你的项目经历，回答以下问题： 1. 哪个项目最想迭代改善？为什么？ 2. 做完项目最大的复盘收获是什么？ 3. 分享一个你在团队中推动测试流程优化的案例。 4. 有没有进行过复盘？具体如何做的？ 5. 这段经历里有没有出现过判断失误？请举例。 6. 项目流程中有没有出现失败情况？如何应对的？ 「京东、字节Seed、美团」
【黑产攻防案例】描述一个你处理过的、与黑产攻防对抗相关的具体案例。 「蚂蚁集团」
【项目瓶颈与心态调整】在ieg实习的过程中，有遇到项目进展不太理想或者是遇到瓶颈的情况吗，当时是怎么调整心态的？ 「腾讯」
这个项目最大的技术难点是什么？
Tell me about a challenging AI project you worked on. What was the problem? What approach did you take? What trade-offs did you make? What was the outcome?
2.项目中的背景挑战困难测评
4.工作项目中最有挑战性的部分是什么？
27. 你实际在项目里用这个框架落地工作流编排的时候，遇到过最棘手的一个和它设计特性相关的坑是什么？
14.在项目过程中遇到过哪些比较困难的问题？你主要负责哪些部分？最后取得了什么结果？
4.问R1复现遇到的难题
14. 项目是否落地，有没有遇到什么困难
项目中遇到最大困难是什么，如何解决的。
3. 在做视频剪辑Agent项目遇到的最大挑战是什么？
What alternatives did you consider? How did you validate the solution?
你在 AI 超级智能体项目中集成了哪些大模型，遇到了什么挑战？
你在 Agent 项目中遇到的最大技术挑战是什么？
工作流落地的时候有没有遇到什么坑？
项目失败过什么，你怎么定位、修复并防止它再次发生？
你做过的 AI 项目中最困难的技术挑战是什么，你是如何解决的？
LangGraph 开发中遇到最大的困难？
使用 LangGraph 开发 Agent，遇到最大的困难是什么？
开发 Agent 过程中遇到的最大问题是什么？如果重新设计某一模块会怎么做？
构造数据集遇到过什么难点，怎么解决？
查看回答思路收起回答思路
选一个会影响业务结果、又能继续讲实现和取舍的技术点：遇到什么问题，为什么选择这条路线，自己负责哪一部分，怎样判断方案有效。技术栈用于解释实现，不需要把每个组件都列成亮点。
以下沿用四个假设的行业设计案例：通用能力以现有开源代码为依据，行业增量尚未实施、运行或部署，回答侧重方案亮点与验证方法。
来源 · 12 篇面经 · 2 篇面经合集 · 1 份题集收起来源
【创新点】当时方法的创新点是什么，放到现在又该如何去思考。请描述一次你通过深入研究，对一个复杂问题提出了新颖且有效解决方案的经历。 「美团、蚂蚁集团」
落地效果与复盘改进
4 道题目查看参考回答收起参考回答
先分别回答“部署到哪里”和“有没有人用它完成实际任务”，再说明自己能提供的证据。公开地址、注册人数和真实使用是三个不同信息。
按项目实际状态，可以这样表达：
如果目前只在本地运行：这个项目已能在本地完成主要流程，可以现场演示或提供运行视频；还没有对外部署，也没有外部用户验证。下一步先补齐部署配置、持续运行和失败排查，再邀请目标用户带真实任务试用。
如果已部署并有试用：项目部署在指定环境，能说明访问方式、版本和可演示功能；用户来自实际邀请或业务团队。我会继续交代他们在什么时间范围内完成了哪些任务、遇到什么问题，以及反馈如何推动修改。用户数和成功率按实际记录给出，而不是只报访问量。
来源 · 9 篇面经 · 1 份题集收起来源
【效果与落地】介绍业务指标收益具体是如何从模型得到的？模型的base基线以及迭代步骤，主要收益来源于是什么？优化方案是否落地？线上与线下测试差异？优化过程中有什么经验和思考？你在该模型的应用中，是否对其性能进行了评估？使用过程中主要遇到哪些挑战？你的项目做了哪些性能优化、稳定性优化、效果优化？你说通过XX动作提升了销量，具体转化链路是怎么跑通的？后训练的最终效果如何，业务收益是多少？和项目指标提升还不错，为什么不考虑上线使用？哪一项提升对模型的帮助最大？如何判断这个想法是有收益的？如何验证是否起作用的？对比baseline提升挺多的，这个提升你认为是怎么来的？对这个策略的有效性验证怎么样？收益到底来自哪里？收益拆分？数据和模型优化是否形成闭环？是不是可以减少后面人力的投入？是否完成线上部署？QPS、延迟、准确率等核心指标如何？有没有落地到真实业务场景？是否有实验验证两者联合使用的合理性？ 「京东、字节Seed、字节跳动、拼多多、百度、美团、腾讯、腾讯混元、蚂蚁集团、阿里巴巴、阿里通义」
查看回答思路收起回答思路
挑两三项主要交付，说明它们让使用者能完成什么任务，再讲什么结果才算成功、怎样与原方案或人工结果比较。复盘时选一个仍有影响的问题，说明下一步具体改哪一处，以及怎样确认改动有效。
下面沿用四个假设的行业案例，业务交付与验证均为设计示例，未包含已完成的实验或上线成绩。
来源 · 24 篇面经 · 1 份题集收起来源
【音视频质量评估优化】请分享一个你在音视频质量评估中的优化案例？ 「字节跳动」
查看参考回答收起参考回答
我会从指标定义、数据与基线、测量过程、结果适用范围四方面解释简历上的数字，让对方能够理解它是怎样算出来的。
- 说明测的是什么。 统计单位是请求、任务还是用户，什么算成功，分子和分母是什么，超时、失败和无法判定的样本如何处理。
- 说明和谁比较。 数据来自什么时间、包含多少样本，旧方案是什么；对照时固定任务集和共同条件，并记录模型、Prompt、代码、知识库等实际版本。
- 说明怎么得到结果。 由执行日志、评分脚本或人工评审逐条判定，再汇总。耗时要区分平均值、P95 和测量起止点；质量评分要说明是客观验收，还是按统一标准进行的人工或模型评分。
- 说明数字能代表什么。 离线测试结果与线上真实流量分开，报告样本量、重复测量及波动范围；线上变化还要结合对照条件判断原因。
例如，假设同一组 100 条任务中，旧版通过 70 条、新版通过 80 条，通过率就是从 70% 到 80%，提高 10 个百分点，相对提升约 14.3%。还需要解释任务来源、通过标准和两版配置，才能说明这个改善适用于什么场景。
来源 · 10 篇面经 · 1 篇面经合集 · 7 份题集收起来源
项目没有上线，凭什么说它有效？
三进程架构为什么比单进程好？你测过性能差异吗？
GoAfar 的路线可行率 60%→92% 是怎么测的？baseline 是什么？
你的指标怎么来的？可信么？
7. 提到将xx耗时从1小时压缩到3分钟，耗时瓶颈在哪，哪些环节快、哪些慢？
5.介绍最终各个指标
指标的公式、样本和基线是什么？
查看参考回答收起参考回答
我会先指出一个有依据的短板，再讲最小改法和验证方式，而不是重新列一遍更先进的技术栈。
如果项目沿用教程电商问数的现有流程，一个具体改进是补齐纠错后的 SQL 校验：当前首次生成的查询会校验，失败后进入 correct_sql，修正结果却直接交给 run_sql。重新设计时，我会保留已有三路并行检索和上下文整理，让修正结果回到校验节点，加上有限重试和明确的失败出口。
验证重点是：修正后仍然错误的查询不能进入执行；正确查询能正常完成；达到重试上限后返回可解释的失败。这是根据当前控制流提出的改造，尚不能宣称已经提高了准确率或响应速度。
来源 · 6 篇面经 · 15 份题集收起来源
如果现在重做，顺序和架构会怎样变？
你觉得这个项目最大的问题是什么？
如果你现在重新做 KTClaw，在 Harness 层面会做什么不同？
【Agent改进方向】如果要继续做你觉得可以怎么改进(加入skills,mcp之类的,扩充知识库) 「蚂蚁集团」
【主模型问题分析】主模型建模有什么问题？ 「腾讯」
【项目复盘与改进】请复盘你的项目经历，回答以下问题： 1. 哪个项目最想迭代改善？为什么？ 2. 做完项目最大的复盘收获是什么？ 3. 分享一个你在团队中推动测试流程优化的案例。 4. 有没有进行过复盘？具体如何做的？ 5. 这段经历里有没有出现过判断失误？请举例。 6. 项目流程中有没有出现失败情况？如何应对的？ 「京东、字节Seed、美团」
【产品缺点分析】你认为你设计的这个产品有什么缺点吗？ 「腾讯」
如果重新做一遍，你会怎么改？
31. 回顾一下你们整个agent的开发和设计，如果让你重新开发，你会有哪些方面的优化或者修改？
8. 项目上线了吗？后续如果要优化的话有什么思路
如果让你改进会怎么做
What was the hardest part? What would you do differently?
未来你们计划如何进一步优化和扩展这个系统？
开发 Agent 过程中遇到的最大问题是什么？如果重新设计某一模块会怎么做？