校招 未知部门 / 运维/技术支持 / 多轮
[面试日期] 2026-09-03 [面试时长] 未知
[学校背景] 中山大学 | 985 [学历背景] 本科
[发布人] 面试之星官方收录
<h2>分享4年经验面华为AI岗,OD机试过了,技术面差点挂</h2>
<p>普通本科,Java/Python混栈,4年经验,上一家是某中厂AI平台组,负责过模型推理服务和大模型应用开发。</p><p>华为AI岗面试从OD机试到技术面,过程非常标准化。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。</p><p><strong>📌 第一阶段:OD机试(6月)——过了</strong></p><p>华为的机试和OD机试共用一套题库逻辑,重点在数组、字符串、栈队列、双指针、动态规划这些常规内容上。我提前刷了LeetCode Hot 100,又找了华为OD机试的模拟题过了一遍。</p><p>机试3道题,2道AC了,1道过了80%。过了。</p><p><strong>📌 第二阶段:一面(7月)——差点挂</strong></p><p><strong>一面(60分钟)</strong></p><p><strong>1️⃣ 项目深挖:你们AI推理平台的QPS多少?怎么保证高可用?</strong></p><p>💡 <strong>思路参考</strong>:4年经验的面试,面试官默认你负责过核心系统。日均推理请求300万,峰值QPS约800。高可用靠三层——多节点部署(负载均衡)、熔断降级(大模型API超时走规则引擎)、故障自动恢复(K8s健康检查+自动重启)。重点说<strong>你作为负责人是怎么设计的,不是只参与了</strong>。</p><p><strong>2️⃣ 追问:"如果大模型API调用超时,怎么保证用户体验?"</strong></p><p>💡 <strong>思路参考</strong>:超时处理分三层——调用层超时(设置合理timeout,如5秒)、业务层降级(超时后返回"正在为您处理"的异步模式或走规则引擎兜底)、用户体验层(异步任务轮询,用户不阻塞等待)。核心是<strong>用户体验优先+异步化</strong>。</p><p><strong>3️⃣ 华为AI岗特色:日志字段识别</strong></p><p>💡 <strong>思路参考</strong>:华为AI岗面试官关心的是你拿到一批设备日志时知不知道哪些字段值得喂给大模型。实操中先做字段分类——结构化字段(时间戳、设备ID、错误码)直接解析,非结构化字段(错误描述、堆栈信息)做文本预处理后喂大模型。关键不是所有字段都喂,而是<strong>根据业务价值选择喂哪些字段</strong>。</p><p><strong>4️⃣ 手撕:LRU Cache + 并发追问</strong></p><p>💡 <strong>思路参考</strong>:HashMap+双向链表。追问并发时用ConcurrentHashMap+读写锁。华为面试官会追问"线上场景中LRU的淘汰策略怎么选"——LFU适合热点稳定场景,LRU适合时效性强的场景。</p><p>一面面完感觉一般,项目答得还行,等了三天,过了。</p><p><strong>📌 第二阶段:二面(7月)——过了</strong></p><p><strong>二面(60分钟)</strong></p><p><strong>1️⃣ 系统设计:设计一个智能运维告警系统</strong></p><p>💡 <strong>思路参考</strong>:日志采集(Filebeat/Flume)→日志解析(正则+结构化提取)→异常检测(规则引擎+AI模型)→告警聚合(按设备/时间窗口聚合,减少告警风暴)→通知推送(邮件/短信/钉钉)。核心难点:<strong>告警降噪</strong>(用AI识别真正需要人工介入的告警,过滤掉误报)、<strong>根因分析</strong>(关联多设备日志,定位故障根因)。4年经验要能说出<strong>告警聚合策略</strong>——按设备ID和时间窗口(5分钟)聚合,相似告警合并。</p><p><strong>2️⃣ 追问:"如果告警系统挂了,怎么保证运维不瘫痪?"</strong></p><p>💡 <strong>思路参考</strong>:告警系统挂了走降级——核心告警走硬编码规则引擎(不依赖AI),非核心告警延迟处理。同时触发告警通知运维人工介入。核心是<strong>核心链路优先+人工兜底</strong>。</p><p><strong>3️⃣ 线上故障排查</strong></p><p>💡 <strong>思路参考</strong>:说一个真实的P0级事故。某次模型更新后推理延迟飙升,排查过程:看监控确认故障范围→查模型推理日志(发现新模型参数量是旧模型的3倍)→查GPU利用率(从60%涨到95%)→回滚到旧模型→恢复。事后复盘:模型上线前没有做性能压测、没有设置自动回滚策略。</p><p><strong>📌 第三阶段:三面(交叉面,60分钟)——过了</strong></p><p><strong>1️⃣ 系统设计:设计一个AI Agent智能客服系统</strong></p><p>💡 <strong>思路参考</strong>:2026年华为AI岗面试已经从"会不会训练模型"转成了"能不能把AI塞进复杂系统里"。Agent六层架构:入口层(网关+鉴权+限流)→编排层(意图识别+任务拆解)→模型层(大模型推理)→工具层(查知识库、调API)→记忆层(会话上下文管理)→缓存层(高频问题缓存)。核心难点:<strong>规划-执行-反思闭环</strong>(Planner拆解任务→Executor执行→Reflector校验结果,失败则带报错重规划),必须加三道保险——最大重试轮次(防死循环)、单次执行超时(防卡死)、最终人工兜底。</p><p><strong>2️⃣ 追问:"如果Agent进入了死循环,怎么处理?"</strong></p><p>💡 <strong>思路参考</strong>:状态机控制——最大重试轮次限制(如5轮),超过则强制退出并走人工兜底。同时在编排层加循环检测——记录最近N轮Action+参数,检测是否重复调用同一工具,触发则强制终止。核心是<strong>提前预防+强制退出+人工兜底</strong>。</p><p><strong>HR面(30分钟)——挂了</strong></p><p>期望薪资报了30%涨幅,HR说"这个岗位预算有限,只能给到15%涨幅"。没谈拢,挂了。</p><p><strong>📌 第四阶段:重新投递,四面终于OC(8月)</strong></p><p>挂了之后重新投了另一个部门(智能运维方向),这次HR面先问薪资范围再报期望。最终OC。</p><p><strong>📌 声明</strong></p><blockquote><p><em>以上思路参考来自 </em><strong><code><em>"面题鸭🦆"</em></code></strong><em> 各岗位专属考题的考点方向</em></p></blockquote><p><strong>📝 复盘</strong></p><p>华为AI岗社招4年经验的面试,考的是三件事:</p><ol><li>能不能把AI塞进复杂系统(Agent架构、告警系统、智能运维)</li><li>线上出事了能不能扛住(模型性能回滚、故障排查)</li><li>能不能理解业务场景(日志字段识别、告警降噪)</li></ol><p><strong>🎯 后来怎么调整的?</strong></p><p>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。</p><p>后来在 <strong><code>"面题鸭🦆"</code></strong> 上刷了一遍华为AI岗的JD专属出题,Agent架构、告警系统、模型部署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。</p>
AI 推荐面试题
