第 12 章专门教你使用站内五厂面经真题库。它适合各章知识过了一遍后，用来按公司刷题和做面试实战。库内共有 175 篇速答，每题一页，包含答案、追问与常见错误答法。题目来自公开面经与岗位 JD 的高频归纳，不是内部真题，建议用 3-5 天完成一轮。
考点地图
推荐/搜索
五厂会把基础方法放进业务场景里考，要求你说明方案如何影响召回、排序、指标和用户体验。面试官常追问数据从哪里来、效果如何评估，以及推荐系统和搜索系统怎样接入生成模型。
Agent 工程与 RAG
面试官会让你讲 Agent 如何拆任务、选工具、处理失败，再落到企业知识库问答的检索与生成过程。追问通常集中在工具调用可靠性、权限控制、召回质量、引用依据和错误回答。
Memory 与系统设计
这类题不只问“记忆怎么做”，还会追问信息何时写入、如何更新、怎样过期，以及多轮上下文变长后如何控制成本。系统设计题会继续问流量、延迟、容灾、观测和质量之间怎么取舍。
训练与部署
训练题常要求你说明数据、目标、评估和迭代之间的关系。部署题会追问显存、并发、延迟、缓存、量化和模型服务稳定性，不能只回答某个组件的定义。
站内学习路线
先总览，打开五厂高频面试题总览，按岗位方向筛选。站内提供 6 个方向：Agent 开发、Agent 算法、AI 算法应用、多模态算法、AI Infra、通用算法基础。先选与你目标岗位最接近的方向，再看题目分布。
再按公司刷。建议先刷前五家，再补京东。
字节跳动面试题聚合 64 篇速答，重点看豆包大模型与 Seed 团队、扣子 Agent 平台、飞书场景，以及 Agent 应用和推理部署岗位。
阿里巴巴面试题聚合 51 篇速答，重点看通义千问、百炼平台、夸克搜索和钉钉 AI 助手，企业级 RAG 与 Agent 平台题更集中。
腾讯面试题聚合 40 篇速答，重点看混元、元宝、微信场景的 AI 助手，也要关注社交内容与游戏 AI。
百度面试题聚合 27 篇速答，重点看文心与搜索结合、搜索增强和知识问答类 RAG。
美团面试题聚合 19 篇速答，重点看交易 Agent、商品知识库问答，以及到店、外卖和客服场景。
京东面试题聚合 2 篇速答，重点看言犀大模型、电商客服和商品问答。题量还少，放在前五家之后。
最后做自测。去模拟面试抽题，先口头回答，再回看题目页的追问和错误答法。也可以回到五厂面经真题集按分类继续补题。
高频追问与避坑
- “你背的结论是什么？如果我继续问为什么呢？”
只背答案会在第二问暴露。先说结论，再补输入、处理过程、收益和代价，最后结合岗位场景举例。只复述页面文字，错在没有验证自己是否理解机制。
- “为什么只准备这一家公司？其他公司的题呢？”
只刷一家公司会让知识范围和表达方式都变窄。先按目标公司刷重点题，再用前五家题目交叉自测，比较不同业务场景下的取舍。只刷最熟的一页，错在没有覆盖相邻岗位的共性追问。
- “你投的是 AI Infra，为什么一直在答 Agent 产品题？”
不看岗位方向乱刷，会把时间用在低相关题上。先在总览页按 6 个岗位方向筛选，再按目标公司的场景补题。只按公司名从头刷到尾，错在忽略 JD 对训练、部署、算法或工程能力的不同要求。
刷完站内题库后，继续做飞书专项真题集，把高频问题放进更具体的项目背景里练习。能先把结论说出口，再用追问补足依据、权衡和边界，这一章的目标就达到了。