这场三面和前两轮差别很大。

一面主要考 Java、MySQL、Redis 等计算机基础，二面重点聊了项目和 Vibe Coding。到了三面，技术细节反而基本不再追问。

前半场是部门负责人面试，整体非常像聊天：从最近关注的 Agent 技术发展开始，聊到 Coding Agent、MCP、RAG、模型能力提升以后 Agent 工程会不会变简单，以及未来 Agent 工程师应该具备什么能力。

往好了说是面试，往坏了说就是吹牛逼，你吹到他心坎上了就一定能有 Offer。

这些问题都没有继续往底层原理深挖，面试官更关注的是候选人有没有持续跟进技术发展、能不能形成基本判断，以及能不能把自己的观点讲清楚。

后半场切换到 HR 面，问题明显转向求职动机、公司选择、团队协作和校园经历。其中学校社团活动被连续问了几轮，用来判断候选人在非技术场景中的沟通、协作和责任感。

这场二面和一面的风格差异非常明显。

一面主要是 Java、MySQL、Redis 等基础扫题，二面则基本没有再考传统八股，而是围绕候选人的项目经历、实际开发方式以及 Vibe Coding 展开。

面试官尤其关注一个问题：如果真的给你一个现有系统，而不是让你从零写 Demo，你会怎么使用 AI 编码工具把需求落进去？

候选人对 Vibe Coding 有一套相对基础的方法，能够讲出“先理解系统、再拆任务、分阶段实现、测试验证、持续修正”的完整流程，因此没有完全答崩。但在如何证明 Agent 已经理解系统、如何控制修改范围、如何建立验收标准等细节上，回答仍然比较粗。

这场一面的风格非常明显：面试官没有扫 Java、MySQL、Redis，也没有把候选人的 Agent 项目从头到尾问一遍，而是看到简历里“混合检索将 Recall@5 从 78% 提升到 87%”以后，就围绕这一个指标连续追问检索链路、数据集、融合方式、重排收益和实验可信度。

候选人恰好对这部分准备比较充分，大部分细节都能够接住。项目聊到一半以后，面试官直接进入两道算法题，因此整场面试的问题数量不多，但单个问题的追问深度比较高。

PS：毕竟对一个实习生来说，项目经历那么简单，这个贡献又那么扎眼，必然挨锤。这可以算是一种有意的设计了。

这场面试来自一家上海中型研发公司，岗位虽然是 AI 应用 / Agent 研发，但面试官对 Agent 的追问并不算深入，简单确认候选人做过 RAG、Tool Calling 和上下文管理之后，很快把重点转向 Java、MySQL、Redis、消息队列以及计算机基础。

这是一个非常典型的校招的基础知识考察的面试。

这场面试几乎围绕候选人的线上性能治理 + 京东外卖优惠券秒杀系统展开：前半段从 Full GC、CPU、线程池切入，后半段连续深挖布隆过滤器、库存扣减、多级缓存一致性、MQ 幂等、Redis 大 Key / 热 Key 和 TCC。整体最大的特点就是：不满足于“方案是什么”，而是不断构造异常场景，追问你的方案到底能不能兜住。

这场滴滴支付中台一面从候选人的双 11 优惠券高并发项目切入，围绕 Redis 大 Key / 热 Key、多级缓存一致性、千万级发券与绑券、库存安全、分布式事务与 TCC 连续深挖，随后又考察了 LRU、AQS、CAS、volatile、MySQL 联合索引、事务与间隙锁、平衡二叉树 等 Java 后端高频内容。整体非常贴近支付中台对于高并发、数据一致性和异常恢复能力的考察。

整场面试几乎没有常规算法题，而是围绕候选人的真实项目一路向下深挖，尤其集中在百万 QPS 优惠券系统、缓存与库存一致性、服务稳定性、全链路压测、分库分表，以及 Agent / RAG 工程化。

这场高德打车二面非常偏工程实战：从百万 QPS 优惠券系统一路追问缓存一致性、库存扣减、全链路压测和分库分表，最后再深挖 Agent 的意图识别、评估与 RAG 检索。

本场面试横跨传统后端与 AI 应用两条主线，既深挖了营销、支付系统中的高并发、缓存一致性与稳定性治理，也重点考察了 RAG 检索、Agentic Search、上下文管理和智能编码助手的工程实践。