AI 后端开发工程师一面、二面、三面面经

先交代背景：普通本科，Java后端，4年经验，上一家是某二线互联网公司，负责过内容审核Agent系统的开发和优化。
牛客热榜上“28届小红书AI后端一面凉经”曾冲上第1名，小红书面试的讨论热度极高-
9
。小红书面试通常3-4轮，一面深挖项目、二面考核心能力、三面看文化契合-
11
。我三轮技术面全过了，结果HR面薪资没谈拢，又重新投了另一个部门才OC。
📌 第一阶段：一面差点挂（7月）
一面（50分钟）——差点挂
1️⃣ 项目深挖：你负责的内容审核Agent系统，日审核量多少？准确率多少？
💡 思路参考：4年经验的面试，面试官默认你负责过核心系统。日均审核100万条内容，准确率98.5%。Agent系统涉及敏感词过滤（布隆过滤器+正则，毫秒级）、大模型安全检测（违规内容识别，百毫秒级）、人工抽审核验（秒级，抽检率5%）。重点说你作为负责人是怎么设计分层审核策略的。
2️⃣ 追问：“如果大模型检测漏判了违规内容，怎么发现和处理？”
💡 思路参考：漏判发现靠三层保障——用户举报机制（投诉后自动进入复审队列）、事后抽检（抽样5%重新审核）、舆情监控（社交媒体反馈）。发现漏判后走紧急处理流程：下架内容→溯源到模型版本→回滚到安全版本→补审同批次内容。核心是可追溯+快速响应。
3️⃣ 追问：“MCP和SKILL的区别是什么？SKILL为什么能省Token？”
💡 思路参考：小红书面试常考Agent概念题-
3
。MCP（模型上下文协议）是标准化的工具调用协议，定义了大模型如何调用外部工具；SKILL是可复用的任务模板，把常用任务的Prompt和工具调用链路预编译成“技能”，用户调用时直接复用而不用重新构造Prompt，从而省Token。举例：一个“图片审核”SKILL封装了图片解析→敏感词匹配→违规判定→结果返回的完整链路，用户调用时只需传入图片URL即可。
二面（50分钟）——过了
1️⃣ 系统设计：设计一个社区生态治理的Agent系统
💡 思路参考：小红书面试更偏向业务场景的Agent开发-
3
。系统核心：用户发布内容→敏感词过滤（布隆过滤器）→意图识别（判断是否需要深度审核）→大模型安全检测（违规内容识别）→审核结果写入（通过/不通过/人工复审）。核心难点：审核标准的自适应（根据网信办政策、用户反馈动态调整关键词库）、误杀率控制（<1%）漏杀率控制（<0.1%）。
2️⃣ 2026面试新趋势：AICoding笔试能力
💡 思路参考：牛客热门话题“AICoding笔试感受”持续在榜-
13
。2026年面试官会给你一段AI生成的代码，让你评审并找bug。这跟小红书技术面强调“在项目里实际解决了什么问题”一脉相承，而不是纯考刷题深度-
11
。
3️⃣ 线上大规模故障排查
💡 思路参考：说一个真实的P0级事故。某次大模型API调用超时，导致审核系统积压大量待审内容。排查过程：看监控大盘确认故障范围→查API调用日志（超时率从1%飙升到30%）→紧急降级到规则引擎（返回预设审核结果）→恢复。事后复盘：没有做API调用的熔断和降级。
📌 声明
以上思路参考来自 "面题鸭🦆" 各岗位专属考题的考点方向
📝 复盘
小红书AI后端社招4年经验的面试，考的是三件事：

1. 能不能独立设计Agent系统（内容审核、生态治理、AI落地）
2. 能不能跟上技术趋势（AICoding、Agent概念、大模型应用）
3. 能不能讲清楚为什么（每个技术选型都有明确的理由和取舍）
   🎯 后来怎么调整的？
   HR面挂了之后复盘发现，技术准备没问题，但HR面完全没策略，薪资谈判一上来就报期望涨幅，没给自己留余地。
   后来在 "面题鸭🦆" 上刷了一遍AI Agent方向的JD专属出题，Agent设计、MCP/SKILL、系统降级这些方向覆盖得很全。每面一家之前针对性刷一遍，面试时心里有底很多。#牛客AI配图神器#