字节推荐算法一面面经

作为嵌入式工程师，回顾过去的工作，AI时代带来了显著变化。以前，我的工作几乎全部依赖手写代码、调试硬件和排查问题，繁琐且耗时。每当遇到复杂的系统问题，调试、优化、查漏补缺都需要投入大量精力，工作压力大，时常加班。现在，AI工具极大提高了我的工作效率。自动代码生成、错误检测和优化建议减少了很多低价值劳动。AI帮助我快速处理硬件调试、内存泄漏、性能瓶颈等问题，节省了大量时间，让我可以更专注于系统设计和创新。虽然AI让工作变得轻松，但挑战依旧存在。嵌入式系统的复杂性要求我仍然保持扎实的专业知识和创新思维。AI为我提供了更高效的工具，但真正的创造性工作仍然依赖人类的思考。

平时跟组长打打闹闹的，以为他把我当自己人，直到我伸手去拿魔芋爽，组长说外包不能吃零食

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

美的嵌入式开发工程师正式批（AI面bg双9（中间gap一年）投递：8.18AI面：8.21，25min1.自我介绍2.分享一个当你遇到挑战性的任务时，如何设定并实现高标准目标的经历3.举一个高效完成任务的例子，都采取了哪些行动？怎么确保顺利完成的？4.分享一个你完成的创新性的项目，怎么完成的？创新点是什么？结果如何？5.英语回答：你为什么选择这个方向的工作？你未来三年的工作规划是什么？6.彩色的图推，题目数量不定，有总时间限制7.性格测评前面的中文回答都是没有思考时间直接开始录制的，英文回答可以思考，也可以重录；图推个人觉得蛮难的，性格测评题量比较少世界五百强-美的集团2026届校园招聘启动啦...