华为AI技术应用校招面经

面试总体概述

案例背景

同一候选人 10.13 完成 AI 技术应用岗的技术一面与技术二面，两轮各约 1 小时，结果都在面试结束后十分钟内通知。一面所有问题围绕实习与项目展开，深挖 Agent 开发的 Harness 编排、记忆模块与技术选型，八股只涉及 Redis；手撕先给了一道非 hot100 的 hard（二分 + 贪心，未写出完整代码），换题后是字符串排列。二面不考八股，聚焦 AI 的安全应用与项目落地，并追问 AI Coding 工具的使用方法与 coding plan 选型，手撕为两个数组的交集。

基本信息

• 公司：华为技术有限公司
• 岗位：AI 技术应用
• 招聘类型：校招
• 面试时间：2026-10-13
• 面试轮次：2 轮
• 平均时长：1 小时
• 题目数量：共 11 题，均附参考答案
• 整体难度：★★★☆☆ 中等
• 候选人背景：有实习经历，面试全程围绕实习与项目展开

面试轮次与结构

| 轮次 | 类型 | 时间 | 时长 |

| --- | --- | --- | --- |

| 1 | 技术一面 | 技术面 | 2026-10-13 上午 9 点多 | 1 小时 |

| 2 | 技术二面 | 技术面 | 未注明 | 1 小时 |

高频考点

| 考点 | 分类 | 出现轮次 | 次数 |

| --- | --- | --- | --- |

| 手撕代码（二分 + 贪心 hard / 字符串排列 / 数组交集） | 算法与数据结构 · 手撕代码 | 技术一面、技术二面 | 3 |

| Agent 应用开发（Harness 编排 / 记忆模块） | 项目经历 · Agent 开发 | 技术一面 | 2 |

| AI Coding 工具与 coding plan 选型 | 机器学习 / AI · 工程效率 | 技术二面 | 2 |

| AI 的安全应用与项目落地 | 机器学习 / AI | 技术二面 | 2 |

| Redis 基础 | 基础八股 · 数据库 | 技术一面 | 1 |

备考建议

| 优先级 | 易失分点 | 准备动作 |

| --- | --- | --- |

| P0 | 非 hot100 的 hard 手撕写不出来就放弃表达 | 按「二分答案 + 贪心判定」等套路做专项训练；场上先把单调性与判定函数讲清楚，再主动请面试官给提示 |

| P0 | Agent 项目讲不出哪些是自己实现的 | 准备一张 Harness 调用链图与记忆模块的读写流程图，能说清每一步由谁触发、失败怎么处理 |

| P1 | AI 工具只会用、不会说 | 整理常用 AI Coding 工具的适用场景与套餐差异，准备一个「使用前后耗时对比」的具体例子 |

| P1 | 偏项目就完全放弃八股 | Redis 等基础仍会抽查，按「数据结构 → 过期与淘汰 → 缓存穿透/击穿/雪崩 → 持久化与高可用」整理一页 |

| P2 | 题意不清时闷头硬写 | 养成先复述题意与约束、确认边界再动手的习惯；存在多解时先讲清两种理解，再选一种实现 |

第 1 轮：技术一面

面试形式与时长

• 轮次名称：技术一面
• 面试类型：技术面
• 时间：2026-10-13 上午 9 点多
• 时长：1 小时
• 本轮题量：6 题

重点考查维度

• 项目经历 —— 本组 3 道题
• 算法与数据结构 —— 本组 2 道题
• 基础八股 —— 本组 1 道题

面试结束后约 10 分钟通知一面通过。所有问题围绕实习与项目展开，八股仅涉及 Redis。

看难题下的思路表达与临场调整，而不是非要写出完整代码；考察回溯模板的熟练度与去重细节；看是否真的自己实现过编排层，而不是只会调 API。

面试真题与参考答案

Q1 手撕：一道非 hot100 的 hard（二分 + 贪心）

算法与数据结构 · 手撕代码

考察重点：看难题下的思路表达与临场调整，而不是非要写出完整代码。

参考答案：

具体题干没有完整留存，只留下「二分 + 贪心」这个考点，按这一套路给出通用解法。

这类题通常是「二分答案 + 贪心判定」：

• 把「求最优值」转成「判定可行性」：给定一个值 x，能否在限制下完成。
• 二分搜索答案区间 [lo, hi]，按判定结果收缩边界。
• check(mid) 用贪心实现，保证 O(n)。
• 注意单调性前提与上下界取值，区间开闭要和判定条件一致。

def solve(a, k):
 def check(x):
 # 贪心：按容量 x 依次装填，看能否在 k 段内覆盖全部元素
 cnt, cur = 1, 0
 for v in a:
 if cur + v > x:
 cnt += 1
 cur = v
 else:
 cur += v
 return cnt <= k

Q2 手撕：字符串排列

算法与数据结构 · 手撕代码

考察重点：考察回溯模板的熟练度与去重细节。

参考答案：

def permute_unique(s):
 res = []
 s = sorted(s)
 used = [False] * len(s)

 def dfs(path):
 if len(path) == len(s):
 res.append("".join(path))
 return
 for i in range(len(s)):
 if used[i]:
 continue
 if i > 0 and s[i] == s[i - 1] and not used[i - 1]:
 continue
 used[i] = True
 path.append(s[i])
 dfs(path)
 path.pop()
 used[i] = False

 dfs([])
 return res

要点：

• 复杂度 O(n!)，去重后为 O(n × 结果数)，额外空间 O(n)。
• 动手前先问清「是否要求去重、是否按字典序输出」，条件不同实现与输出顺序都会变。
• 本题在换题后当场写出并通过。

标签：回溯去重

Q3 Agent 开发中 Harness 是怎么设计的

项目经历 · Agent 开发

考察重点：看是否真的自己实现过编排层，而不是只会调 API。

参考答案：

Harness 是模型与工具 / 环境之间的编排层，面试官想听你如何把「大模型 + 工具 + 状态」串起来，可以按四块讲：

• 工具层：工具注册与 schema 定义（参数校验、工具描述质量直接影响模型调对的概率），统一出入参结构。
• 循环控制：ReAct 式的 think → act → observe 循环，设置最大步数、超时与提前终止条件，避免死循环。
• 上下文与状态：多轮工具结果的裁剪与压缩（只保留必要字段），长结果落盘、按需回读。
• 稳定性与可观测：超时重试、幂等、异常兜底；每一步的输入输出都打日志，便于离线复现与评测。

讲的时候最好配一张自己画的调用链，说明每一步谁触发、失败怎么处理。

追问链（3 条）：

• 工具调用失败与重试怎么处理
• 上下文超长时怎么压缩
• 怎么评测编排效果

标签：Agent、Harness、工具编排

Q4 记忆模块是怎么做的

项目经历 · Agent 开发

考察重点：考察长期记忆的存储、召回与评测设计。

参考答案：

记忆模块要区分「短期」与「长期」：

• 长期：事实性信息抽成结构化 KV（用户偏好、关键结论），语义类内容写入向量库，按当前 query 召回 top-k 再拼进上下文。

再补三件事才算完整：

• 写入时机：什么时候写、写什么字段、如何合并同义或冲突信息。
• 召回策略：阈值过滤、时间衰减、rerank，避免召回噪音污染上下文。
• 评测：把「该记住的有没有记住、不该记的有没有混进来」做成可回归的用例集。

追问链（2 条）：

• 记忆冲突时怎么处理
• 向量库选型与召回精度怎么调

标签：记忆模块、向量检索、上下文管理

Q5 实习的产出、遇到的问题与技术选型

项目经历

提问形式：连续追问群

考察重点：以实习为核心验证项目真实性与个人贡献度。

参考答案：

三个子问题连着答，顺序建议：

• 产出：一句话说清业务价值 + 你独立负责的部分 + 可量化的结果。
• 问题：挑一个真实、有排查过程的问题（现象 → 假设 → 验证 → 定位 → 修复），重点讲你的定位路径。
• 选型：给出对比维度（性能、开发成本、可维护性、团队熟悉度），说明为什么选 A 不选 B，以及现在回看会不会改。

凡是简历与口述里出现的名词都要能往下展开一层。

追问链（3 条）：

• 实习期间最核心的产出是什么
• 遇到的问题怎么定位与解决
• 关键技术选型为什么这么定

标签：实习经历、技术选型

Q6 Redis 相关八股

基础八股 · 数据库

提问形式：维度式提问

考察重点：确认基础八股没有明显缺口，考察原理能否落到项目。

参考答案：

Agent / 应用类项目里的 Redis 一般围绕四块被问：

• 数据结构与场景：String 做计数与缓存、Hash 存对象、ZSet 做排行榜与延时队列、List / Stream 做队列。
• 过期与淘汰：EXPIRE / TTL、惰性删除 + 定期删除、maxmemory-policy 各类淘汰策略的取舍。
• 缓存一致性：穿透（布隆过滤器 / 空值缓存）、击穿（互斥重建 / 逻辑过期）、雪崩（过期时间打散、多级缓存）。
• 持久化与高可用：RDB 与 AOF 的差异、主从 + 哨兵 / Cluster 的取舍。

结合自己项目里的键设计与失效策略来讲，比背条目更有说服力。

标签：Redis、缓存

第 2 轮：技术二面

面试形式与时长

• 轮次名称：技术二面
• 面试类型：技术面
• 时长：1 小时
• 本轮题量：5 题

重点考查维度

• 机器学习 / AI —— 本组 3 道题
• 项目经历 —— 本组 1 道题
• 算法与数据结构 —— 本组 1 道题

先面谈后手撕，全程没有八股。面试结束后约 3 分钟通知二面通过。帖中把本轮日期标注为「10.30 左右」，与标题日期不一致，故此处不填具体日期。

看是否理解大模型应用的风险面与工程化防护手段；验证项目是否真跑起来，以及你能否用数据描述结果；看是否有成型的 AI 辅助开发流程。

面试真题与参考答案

Q1 AI 的安全应用怎么考虑

机器学习 / AI · 安全

提问形式：开放讨论

考察重点：看是否理解大模型应用的风险面与工程化防护手段。

参考答案：

可以按「输入 → 模型 → 工具 → 输出」四层讲：

• 输入层：Prompt 注入与越狱防护（系统提示与用户内容隔离、指令优先级、可疑内容过滤）、敏感信息脱敏。
• 模型层：输出内容审核与兜底话术、幻觉抑制（强制引用来源、结构化输出校验）。
• 工具层：工具调用做权限最小化与白名单，参数二次校验；涉及写操作时加二次确认或人工审批，防止模型被诱导执行危险动作。
• 输出层：日志留痕与审计、可回滚。

结合项目举一个你实际做过的防护点，比罗列风险更有说服力。

标签：Prompt 注入、权限控制

Q2 项目的落地情况

项目经历

提问形式：开放讨论

考察重点：验证项目是否真跑起来，以及你能否用数据描述结果。

参考答案：

「落地」的关键词是可用的证据：

• 谁在用：真实用户量 / 调用量 / 使用频次。
• 效果：用指标说话（准确率、节省时长、人工介入率），并说明指标怎么测、基线是什么。
• 稳定性：在线可用性、失败率、平均响应时间。
• 迭代：上线后收到什么反馈、改了哪些。

项目还没上线就说明当前阶段（内测 / 灰度）、已验证的部分与下一步计划，不要夸大。

标签：落地效果、指标

Q3 AI Coding 工具的使用方法

机器学习 / AI · 工程效率

提问形式：开放讨论

考察重点：看是否有成型的 AI 辅助开发流程。

参考答案：

面试官在判断你是不是真的把 AI 编进了工作流，可以按环节讲：

• 需求与设计：用模型做方案对比、拆任务、写接口草稿。
• 编码：补全与整块生成、重构、单测生成、跨文件改动。
• 评审与排错：先让模型做一轮 review、给出报错的可疑点，再自己验证。
• 规则约束：项目级规则文件（约定技术栈与代码风格），上下文只投喂相关文件而不是整个仓库。

配一个具体例子：某个改动原本要多久、用工具后多久、返工点在哪里。

标签：AI Coding、工作流

Q4 购买了哪些大模型厂商的 coding plan

机器学习 / AI · 工程效率

考察重点

看是否长期、真实地使用，而不是临时应付。

参考答案

这题不是考谁买得多，而是看你有没有形成稳定的使用习惯：

• 说出实际在用的 1～3 家，以及各自擅长的场景（长上下文重构 / 代码补全 / Agent 式改动）。
• 说明选择理由：成本、额度、上下文长度、是否支持团队协作与规则文件。
• 说明组合方式：主力工具做日常开发，另一家处理长任务或做交叉验证。
• 没买过就如实说在用免费额度或自建方案，重点讲清你依赖它完成了什么。

关键词

coding plan、工具选型

Q5 手撕：两个数组的交集

算法与数据结构 · 手撕代码

考察重点

基础编码题，看边界与复杂度意识。

参考答案

先确认真实条件：是否要求结果去重（LC 349）还是保留出现次数（LC 350），数组是否已排序、规模多大。条件不同解法不同。

### 去重版：哈希集合
### 时间复杂度 O(m+n)
def intersection(nums1, nums2):
 return list(set(nums1) & set(nums2))

### 保留出现次数版：哈希计数
### 时间复杂度 O(m+n)，额外空间 O(min(m,n))
from collections import Counter

def intersect(nums1, nums2):
 cnt = Counter(nums1)
 res = []
 for x in nums2:
 if cnt.get(x, 0) > 0:
 res.append(x)
 cnt[x] -= 1
 return res

如果两数组已排序，可以用双指针做到 O(m+n) 且 O(1) 额外空间。

面试时先问清约束再动手，是最稳的做法。

关键词

哈希表、双指针

备考提示

备考阶段，我发现很多同学容易陷入「不知道从哪准备」的困境。机会永远留给有准备的人，希望读到这篇文章的每一位同学都能拿到心仪的 offer。

以上内容整理自学员和应届同学反馈的真实面经，结合华为技术有限公司的最新考情整理，仅供参考学习。祝各位求职者顺利拿到心仪 offer！