从11月12号下午走出华为某园区面试间的那一刻我就知道这趟秋招该写点什么了。投的是AI岗但面试下来你会发现这个岗位的考察范围早就不是AI两个字能概括的——大模型、RAG、Agent、模型部署、AI工程实践、内容安全几乎全被问了个遍。这篇文章不是面经搬运是我自己的复盘。把我从投递、笔试、技术面到主管面的整个时间线、被问到的具体问题、当时的回答思路、以及事后复盘觉得该补的东西全部摊开来讲给正在准备AI岗秋招的朋友一个参考。1. 华为AI岗的秋招为什么值得单独复盘1.1 AI岗不是一个岗是七八个方向的总称先说个最常见的误区以为华为AI岗就是投一个岗位然后等面试。实际上你搜索出来的AI相关岗位至少有这么几类大模型算法工程师偏LLM训练、微调、对齐重论文复现和数据处理AI平台/框架开发偏底层做分布式训练、推理加速重C/CUDAAI应用开发偏落地做Agent、RAG、业务智能化重工程能力和产品意识AI测试/评测偏质量保障做评估集、模型评测、数据标注流程设计AI产品经理偏方案设计不写太多代码但需要懂模型能力和边界我投的岗位JD里明确写着AI应用开发方向但面试内容覆盖了大模型原理、Agent系统设计、算法题、部署优化几乎等于一个AI工程技术综合岗。所以如果你也打算投华为AI岗第一步不是刷题而是看清楚自己投的方向偏向算法还是偏向工程。同一个AI岗面试官的考察侧重点完全不同。1.2 今年秋招的时间线从投递到面试的节奏我简单拉一下自己的时间线给后续同学一个参考时间节点事项我的实际状态9月上旬官网投递简历里放了2个大模型项目1段AI工程实习9月下旬性格测评与在线笔试笔试当天状态一般勉强过关10月中综合测评/资审主要是流程性确认11月12日线下面试一天三面中间有短暂等待从投递到面试大概隔了两个月中间如果不主动刷状态很容易焦虑。我的建议是投递之后该干嘛干嘛不要让等流程占据太多注意力笔试之后重点准备系统和项目深挖因为面试大概率围绕你的简历来。1.3 11月12号这个日期本身的特殊性为什么标题要强调11月12号因为华为的秋招面试往往分批次不同部门、不同base地的时间安排差异很大。11月中旬这个节点正好处于秋招中后段部分同学已经拿到意向也有不少人是被HR捞起来补面。这个阶段面试有一个特点面试官更看重候选人的可落地性毕竟到了年末部门要盘点人头和项目规划了。我当时投的是AI应用相关方向面试官问的问题都比较务实很少问发散型研究题更多是这个功能你怎么实现有问题你怎么排查。这提醒我AI岗面试准备一定要往工程落地上靠。2. 11月12号面试全流程复盘从一面到三面2.1 一面项目深挖问到你答不上来为止一面大概40分钟自我介绍控制在3分钟。面试官是团队里的技术骨干他手边放着我的简历顺着项目经历往下问不走八股但比八股要命。他问得最细的是我做过的RAG项目你的向量化模型用的哪个为什么选它召回Top K怎么定的有做召回效果评测吗如果检索出来的片段本身是错的你打算怎么兜底用户提问的意图不在知识库里你的系统怎么判断这几个问题看着不复杂但每个都是递进式的。比如怎么兜底你光说加一个兜底回答肯定不行得说清楚你到底是用相似度阈值判断还是让LLM自己判断相关性还是引入一个更小的意图分类模型我当时说的是用相似度阈值LLM二次校验但面试官紧接着问阈值设在多少为什么这就要了命——我确实没有系统测过阈值。这个问题给我的教训是简历上写实现RAG问答系统远远不够面试官默认你做过完整的参数调优、评测对比和失败分析。建议每个项目都准备一张我踩过的坑清单比如阈值怎么收敛的、数据集怎么构建的、bad case怎么处理的。他还有一个问题你说你用了Qwen做生成模型如果你换成Llama你的pipeline里哪些部分要改这个问题考察的是你对模型接口、tokenizer、输出格式的抽象程度。如果你的代码里把模型相关逻辑散落各处改一个模型就要动所有地方说明工程抽象不行。我当时回答是把模型封装成统一的generate接口上层全用prompt模板看得出来面试官是认可的。2.2 二面算法题与系统设计一个都不能少二面更硬核上来就问算法题。在线共享编辑器里手写没有IDE自动补全时间是30分钟。题目是实现一个支持过期时间的LRU缓存要写清楚get和put逻辑过期key要惰性删除。这道题严格来说不难但要求你写代码足够熟练边界条件不能漏。我先定义了一个双向链表节点加上key对应的过期时间戳用unordered_map存key到节点的映射get的时候检查时间戳过期就删掉。put的时候如果容量满了把最久未使用且未过期的淘汰掉。整个实现大概80行写完后面试官让我逐行讲思路。这里有个心得面试中写代码最重要的是思路清晰而不是追求一行流。我用的是最朴素的写法每个函数只做一件事变量命名也尽量直白。面试官后来说他主要看代码风格和边界意识不是看技巧。算法题之后紧接着一个系统设计题设计一个企业内部的AI问答Agent要求能调用内部知识库、能查天气、能设置提醒并且要防止用户诱导它说出不该说的话。这个问题其实融合了Agent、RAG、内容安全三个考点。我大概这样拆的意图识别层先用LLM做意图分类也可以用小模型做候选召回后再让LLM判断工具层把知识库检索、天气API、提醒服务封装成统一tool接口每个tool有描述和参数schema执行层规划器决定调用哪个工具拿结果后生成最终回复安全层输入侧做提示词注入检测输出侧用分类器拦截违规内容同时加一层人工审核兜底面试官追问如果Agent陷入了工具调用的死循环怎么办我说设置最大迭代次数超过之后转入人工同时记录每一步的token消耗和成本防止API费用失控。这个回答当场能看到他点头。现在很多Agent项目demo很炫但真正上线一定会遇到死循环和成本爆炸这两个问题恰恰是工程面试最关心的。2.3 主管面技术聊得不多但每一句都是坑三面是主管面大概30分钟。没有手撕代码问题偏向你对自己未来三年的规划是怎样的你怎么看待在华为这样的公司做技术工作如果给你一个不熟悉的方向你多久能上手你期望的工作地点是哪里这些问题看似平常但回答不当很容易丢分。比如未来三年规划不要说我想做CTO或者我想转管理更不要直接说三年后我要跳槽。我当时说的是希望在某个垂直领域扎深从能独立负责一个模块到能主导一块业务的技术方向。主管面看重的是稳定性和自驱力你表达出的状态是我踏实但我有冲劲最稳妥。还有个问题让我印象很深你遇到过的最大的技术挑战是什么我讲了项目里模型推理速度太慢后来通过量化、批处理、缓存一步步优化到可用。主管追问如果你优化了很久性能还是不够怎么办这个问题其实是在考察你面对瓶颈时能不能跳出来比如考虑换模型、换架构、甚至降低需求预期。有时候不是所有性能问题都能靠本地优化解决懂得取舍和沟通也是成熟工程师的表现。3. 面试里默认你会但很多人其实不会的AI工程化能力3.1 模型部署与推理优化从能跑到能扛我在项目里做过基于Qwen的对话系统当时直接用transformers的pipeline跑并发一高就整体卡住GPU显存也常常溢出。后来换成了vLLM做推理服务吞吐直接翻了将近两倍。面试官问到这里时我能说出PagedAttention按页管理KV Cache的原理、连续批处理、量化对显存和精度的影响他才没继续追问。这里我要给后来人一个建议在准备AI岗面试时不要只会调用模型至少要把模型部署的完整链路过一遍。你不需要懂全部底层但要做到三点说得出自己用的推理框架vLLM、TGI、SGLang的基本原理知道自己部署时的显存占用怎么估算知道量化有哪些常见办法GPTQ、AWQ、FP8各自代价是什么很多同学面试大模型岗只准备训练和微调一问到部署就哑火。华为这种偏工程落地的部门恰恰非常看重这个能力。3.2 RAG与Agent别停留在调接口现在到处都在聊AI Agent简历上写基于LangChain开发Agent的人一抓一大把。但面试官真正想看的是你理解多深。比如ReAct框架的思考-行动-观察循环是怎么实现的你如何让Agent自主决定调用哪个工具如果工具返回结果格式不对你的Agent怎么恢复Agent的记忆是怎么做的是直接塞进上下文还是用向量数据库存历史这些问题比你会不会用LangChain要高级很多。我当时项目里用LangChain搭过demo但面试时我没有过多强调框架而是讲自己如何拆解意图、如何定义工具、如何做对话状态管理。面试官明显更在意这些。3.3 内容安全所有人都绕不开的环节结合今年的一些热词你会发现无违禁词AI聊天内容审核这类需求特别火。面试官也专门问过如果有人故意诱导你的AI输出不当内容你怎么处理我的回答分三层输入侧做提示词注入检测识别越狱模板推理侧用带安全对齐的模型设置系统级安全指令输出侧部署推理结果的内容安全分类器命中敏感内容就拦截或改写这个回答其实已经足够用了但面试官追问了一个刁钻的问题如果你的检测模型被绕过怎么办我老实说没有绝对的安全只能分层设防并且保留人工抽检兜底。能看出面试官对承认边界这一点是认可的。做AI应用尤其是面向海量用户的场景内容安全不只是一个合规问题更是技术架构的一部分准备秋季招聘的同学要格外重视。4. 机试复盘算法题的准备策略4.1 华为机试的题型与难度分布华为的在线笔试一般三道题难度递增第一题简单题多为字符串处理、数组操作、排序靠基本功拿满不难第二题中等题涉及DFS/BFS、二分、DP需要一定的解题套路第三题难题常见复杂模拟、图论、状态压缩DP对综合能力要求高总分通常400分第一题100分第二题150分第三题150分。虽然通过线会因部门、批次而变化但我建议目标定在250分以上更稳妥。我当时第一题全过第二题过了大部分用例第三题只过了部分用例整体结果还算可以。这里特别提醒华为机试的平台对输入输出的处理要求很严格很多人不是不会做而是卡在读多行输入、处理空白字符上。笔试前用在线编辑器自己模拟几次字符串解析能避免大量低级失分。4.2 我的刷题优先级建议我不是ACM选手靠的是秋招前三个月的系统刷题。我的优先级是这样的第一梯队数组/哈希/双指针/滑动窗口/二分这些题是面试基础必须做到熟练写出来第二梯队DFS、BFS、二叉树遍历、拓扑排序覆盖绝大多数树图题第三梯队动态规划背包、最长子序列、区间DP华为笔试第二题常客第四梯队状态压缩DP、线段树、高级图论有余力再看刷题方式上我推荐按分类刷而不是随机刷。LeetCode Hot 100加牛客华为真题基本够用不用去硬啃数学竞赛题。重点是每道题要会讲思路因为面试手撕的时候面试官会要求你先说再写。4.3 笔试与面试之间怎么衔接笔试之后到面试通常有几周时间不要觉得笔试过了就万事大吉。我是在这段时间里把简历里每个项目重新过了一遍给每个项目写了一份一句话说清楚三句话技术细节一个踩坑故事的模板。面试里凡是被问到项目我都能在30秒内讲到重点再留出空间给面试官追问。这种准备方式比临时找面经有效得多我强烈建议你也试试。AI岗面试的项目深挖程度相当高你对自己项目的梳理层次直接决定了面试结果。5. 热词背后今年AI岗真正想招的是什么人5.1 AI Agent、模型部署、AI应用开发连起来看今年热搜里反复出现的词是AI Agent、AI应用开发、AI模型部署、AI编程。把这些词放在一起看能明显感觉到企业已经过了大模型就是聊天机器人的阶段重心转向了怎么用大模型解决实际问题。对应到面试就是越来越不看你读了多少篇论文而是看你做过什么系统。我面试过程中被问到的Agent设计、推理优化、内容安全本质上都指向一个能力把一个模型变成一个可用、可维护、可控的产品。准备面试时哪怕你自己没有真实业务场景也建议主动从GitHub上找一些开源Agent项目跑通然后拆解它的设计思路写一篇技术复盘放进简历。这比单纯背概念有说服力得多。5.2 内容安全类需求成为新的技术增长点热词里另一个不能忽视的方向是无违禁词AI聊天这类需求。虽然具体表述五花八门但背后是同一个技术命题AI生成内容的风险控制。这其实是一个很正统的工程方向涉及数据层面构造敏感样本集模型层面安全对齐、有害指令拒答工程层面输入输出审核服务、黑名单/白名单、人机协同审核我在面试里能接住内容安全的问题得益于之前实习做过类似审核模块。如果你没有相关经验建议自己做一个AI问答系统的内容安全网关项目模块不用复杂但要把输入检测、输出检测、人工复核的流程走通放到简历上会非常有辨识度。5.3 AI产品经理与AI工程师的边界正在模糊热词里有AI产品经理我面试过程中也被问到一个偏产品的问题你会怎么评估你做的AI功能好不好很多人会下意识说准确率但这个回答在面试官那里只能算及格。我当时说的是评估要分成两层第一层是模型指标比如召回率、RAG命中率、Agent任务完成率第二层是业务指标比如用户留存、工单解决率、单人处理时长。面试官追问如果准确率涨了但用户反馈变差了怎么办这就要用到bad case分析、A/B测试和人工评价体系。这个问题的本质是提醒你AI工程师也要有产品思维不能只盯模型指标要看到模型在真实场景里的价值。Credits这个词在热词里也出现了。面试官也问过Agent系统成本怎么控制本质就是理解Credits概念——每一次工具调用、每一次token生成都是真实的成本消耗。工程化能力不只是把功能做出来还要能把账算清楚。6. 秋招复盘后我给下一届的实操建议6.1 时间规划现在开始还来得及做什么如果你现在正处在秋招前期离面试还有一到两个月我觉得有三件事优先级最高把简历里最核心的那个项目做到深不见底准备好所有可能被追问的细节每天保持1-2道算法题重点刷数组、DP、树和图自己动手部署一个小模型跑一个带鉴权、限流、日志的AI服务把工程链路走通尤其是第三件事很多人忽略了。面试官问你做过部署吗如果你只说我跑过transformers的demo和说我用vLLM部署过服务做过压测看过吞吐变化完全是两个档次。6.2 面试中的几个致命小细节我在这次秋招里踩过一些坑也观察过同批面试同学的表现有几个细节可以说是决定成败的面试前一定要确认你面试的部门和方向不同方向的面试内容差距很大我差点用算法岗的套路去准备AI应用岗自我介绍不要背简历要讲为什么这家公司需要我把你的项目能力和他要的业务方向挂钩手撕代码时先讲思路再动手有的面试官根本不看运行结果只看你的思路和沟通被问不会的问题时不要脱口而出我不会先试着拆解问题哪怕只能给出一部分思路也好过直接放弃6.3 如果我再准备一次我会调整什么最后说点掏心窝的话。如果让我重新准备一次华为AI岗秋招我会做三项调整第一更早开始准备Agent系统设计。现在AI岗面试基本必考Agent不是让你说概念是让你设计一个能落地的系统。我会提前把ReAct、Plan-and-Execute、工具调用、记忆管理都画成架构图然后自己讲一遍。第二多花时间在模型评估上。评估是被很多人忽略的环节但面试官极其喜欢问。不管是你做的RAG系统还是Agent都要准备好一套评估方法包括数据集怎么来、指标怎么定、bad case怎么分析。第三多试着写一写技术复盘博客。我在准备过程中把一个项目做了详细复盘从需求到架构到踩坑写完发现自己对项目的理解上了一个台阶。面试时的表达也会更流畅。回过头来看华为AI岗秋招拼的早就不只是算法功底和模型知识更是整个AI工程化能力的沉淀。从大模型到Agent从部署到内容安全从算法题到系统设计每一样都要能拿得出手。这篇复盘写下来既是给自己一个交代也希望给今年、明年准备AI岗的同学们一些参考。AI这条赛道还在高速发展岗位要求只会越来越综合提前把工程能力补上总不会吃亏。