职位题库

AI全栈开发工程师面试题库

面向AI全栈开发工程师相关面试,围绕系统设计、WebSocket、实时通信、MCP、性能优化等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

30 道题目建议用时 90 分钟专项面试练习

全部题目 30 道题

01

在这套 AI pipeline 中,你如何保证每一个节点执行效果的准确性?如果让 AI 自己发挥,它可能会有幻觉或偏移,你是怎么解决这些问题的?

考察候选人对 AI pipeline 各节点质量控制的系统化思考,以及应对模型幻觉的工程手段。
02

针对营销场景模块,你对其中的大规模数据的 SQL 是如何处理优化的?存储介质为什么用 Doris,不用 Hive / ES?Doris 的优势在哪里?如何做的技术选型?

考察候选人对大规模数据处理的 SQL 优化能力,以及存储选型的权衡思考。
03

场景题:设计一个 PC 页面轮播通知功能,每个用户看到自己维度的最近20条信息,后端通过实时数仓 MQ 每秒推送消息,你会怎么考虑?

考察候选人的端到端系统设计能力,包括消息处理、存储选型、实时推送和一致性保障。
04

手撕:一道两张表的 SQL,讲一下你的思路,如果要给两张表加索引,你会怎么设计?

考察候选人的 SQL 编写能力和索引设计原则。
05

你做过的系统中,哪一部分最能体现你的技术能力?

考察候选人能否从真实项目中提炼出体现技术深度与工程判断力的核心模块,而非泛泛罗列功能。
06

请介绍你实习中那个需求交付平台,从PRD到研发文档的6阶段串行流程是如何实现的?

考察候选人对自己项目的整体架构和实现细节的掌握程度,以及能否清晰描述复杂流程。
07

PRD的质量和风格差异很大,你如何保证PRD到研发文档转换的准确性和稳定性?

考察候选人对输入数据多样性的处理能力,以及如何设计鲁棒的AI转换系统。
08

你通过MCP查询代码时,如何保证找到的代码是准确的?尤其面对历史债务重、命名不规范的老系统。

考察候选人在复杂代码库中检索代码的策略,以及对工具局限性的认识。
09

你提到预留了扩展点,这些串行主流程在什么场景下满足不了诉求、需要扩展分支?

考察候选人对系统扩展性的思考,以及如何根据业务需求设计灵活架构。
10

你通过SSE推送模型输出和节点进度,并支持断线重连,具体是如何实现的?

考察候选人对SSE协议的理解和断线重连的实现细节。
11

ReAct、Workflow、Replan 分别在什么场景下适用?

考察候选人对不同 Agent 决策模式的理解,以及根据场景选择合适模式的能力。
12

MCP 和 function call 有什么区别?

考察候选人对 MCP 协议和传统 function call 机制的理解,以及在实际应用中的选择。
返回面试题库