1.你的智能数据分析平台的具体工作流程是怎样的？你是怎么使用AI接口的？2.你的Prompt如何调优，如果AI大模型返回的结果不太对，如何调优？如何保证AI生成的结果准确？3.你们测试的时候结果误差大概是多少？4.为什么选择星火大模型，而不是选择其他的AI大模型？5.你还知道那些大模型？6.你用到了Disruptor的无锁队列，它的底层如何实现？7.在你的平台下为什么要使用Disruptor无锁队列？8.图库平台的调研做过吗？市面上有哪些图库平台？9.你的图库平台相对于市面上的平台的独特性有什么？10.以文搜图，以图搜图，以色搜图怎么实现的？11.问你一些关于AI大模型的东西，你了解过transform的架构是什么样子的吗？12.多头自注意力机制是 Transformer 的核心组件之一，为什么要选择多头？它有什么好处？13.与大模型进行交互需要输入token，常见的编码方式有哪些？14.与大模型交互并进行训练时，怎么解决生成内容重复的问题？15.现在主流的大模型的组成部分有了解吗？16.大模型中Agent的组成部分？17.Agent完成浏览网站和下载文件任务的一般流程都有什么？18.大模型的RAG主要用来解决什么问题？19.你使用RAG给大模型一个输入，系统是怎样的工作流程？20.MCP知道吗？讲解一下？21.八股：常见的Java线程池的参数？22.线程池的工作流程？23.AQS知道吗？他的底层原理讲一下？24.类的加载过程？手撕：重排链表假设你有一个单向链表L，其首节点被标为"head"，这个链表代表了小美的工作任务流程:Lo >L → .. > Ln-1 >Ln你需要对其进行重新组织，以达到以下新的工作任务流程Lo≥ Ln ≥ L, → Ln-1 ≥ L₂ > Ln-2 →请注意，这里不能只修改节点任务的内容，而是需要实际地进行节点任务的交换。

什么是AI应用开发工程师？在梳理学习路线前，知道什么是AI应用开发工程师，快速建立对岗位的基本认知是非常有必要的。AI应用开发工程师，也可以叫大模型应用开发工程师，主要负责将大模型的能力落地应用到实际产品和业务中。与AI算法岗不同，应用岗更偏向工程实现。AI应用开发岗不只是简单地调用大模型API，而是基于大模型构建一套可运行的系统。随着近年来大模型的火热发展，大模型应用开发岗逐渐成为了热门岗位。岗位职责与招聘要求？我相信大部分人学习AI应用是为了就业。所以在开始学习前，先了解招聘市场对AI应用开发岗的要求，知道我们实际工作中要做什么，需要具备哪些技能，建立起对应的人才画像。我们在学习的时候就可...

秋招一直在找前端，目前走到hr面的都不太满意。还收到了小量化机构全栈实习offer，主要是python后端和一些react，技术栈跟美国的需求还挺符合的。但不知道国内有什么对口岗位吗？我是否再需要折腾一下，给自己换个春招方向？我搜索了一圈：1. python后端，如高德、去哪儿旅行、momenta，还有一些平台开发？2. 全栈开发，如美团（进去也要再分方向）、贝壳、车企、外企（但很多cnet和java），3. ai agent开发 或者 ai应用开发，需要补充大模型知识，以及前景真的ok吗

一、手撕和八股1. 手撕岛屿数量，秒了2. Transformer 中 Attention 的本质是什么？你能从数学角度简要解释一下吗？3. 在 Agent 多轮对话任务中，你觉得 Attention 的局限性体现在哪些方面？4. 简要介绍一下 SFT的核心流程，以及数据集的构建策略，SFT之后常见的 Post-Training 还有哪些？它们之间的目的有何区别？5.  什么是 RAG，它是怎么提升生成质量的？与传统检索 + 模型生成的流程有何不同？你是如何评估一个RAG系统是否work的？6. PPO 和 DPO 在大模型对齐中的主要区别是什么？DPO 训练通常有哪些注意事项？用过GRPO么？二、简历1. 你在提到过 Modular Agent，你能讲讲它是如何实现多步规划的吗？2. 你提到了多个工具调用链路，调度策略是如何设计的？是否有异常 fallback 策略？3. 你构建的 Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？4. 你还微调过Qwen，选择的训练阶段和Loss函数是如何决定的？5. Prompt 自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？三、业务场景相关相关假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？