11月6日，一名求職者在牛客網貼出自己的百度二面經過，面試結束兩小時就收到通過通知，進入 offer 洽談。這篇實習面試記錄隨後引來留言區熱烈回覆，甚至有疑似百度員工逐條回答了他反問環節的問題。把鏡頭拉近一點，先看這份題單裡最容易被略過的結構。
題目不是隨機抽的，是沿著履歷往下挖
整場面試約三十題，開場是自我介紹，接著從「項目怎麼做到高並發」切入，連續追問 Redis 熱點 key 的處理、多人同時存取同一個 key 的解法、記憶體滿了的淘汰策略。資料庫部分則從 MySQL 索引的資料結構，問到 B+ 樹高度、千萬級資料量怎麼估算。Java 基礎落在記憶體模型與垃圾回收的標記方式。
真正值得注意的是後半段。面試官接著問項目裡的 RAG 扮演什麼角色、多個 agent 怎麼分工協同、LangChain 的工具是不是自己開發的、上下文怎麼管理。這與我們先前分析的帆軟二面沿著履歷連環追問是同一種趨勢：企業不再靠背誦式八股題篩人，而是把候選人履歷上寫的每一行，變成一條追問鏈。
斷線續傳那一串，考的是工程嗅覺
這份題單裡最有職場味道的，是 SSE 斷開怎麼處理的那連續五問：頁面刷新後對話怎麼接回去、怎麼保證斷點續傳、服務重啟資料會不會丟、多實例之間資料一致性怎麼維持、對話紀錄的資料結構怎麼設計。
用日常情境比喻：這就像外送平臺的訂單系統，手機沒訊號、App 閃退、伺服器重啟，任何一環斷掉，你的餐都不能憑空消失。面試官真正想聽的，是候選人有沒有想過「東西壞掉之後怎麼辦」，而這種意識在學校課程裡幾乎不教，多半要靠實際維運經驗才長得出來。
留言區的回答，比題目本身更有資訊量
這篇貼文的反問環節問了三件事：團隊規模、公司是否提供 Claude 與 DeepSeek 等模型的呼叫額度、作息時間。有自稱百度員工的帳號在留言區逐條回覆。
模型額度方面，該留言表示公司內部用的是百度自研的寫程式工具 Comate，登入員工帳號即可使用，裡面整合了 Claude、DeepSeek、GPT 等主流模型，實習生每月有 1500 額度，超出需向上級申請。這個數字對求職者是實用情報：AI 工具已是大型科技公司工程師的標準配備，但額度本身也是有管理、有層級的資源。
作息方面，該留言提到早上十點上班，九點半前有免費早餐，六點多可以下班但前提是工作做完，晚間八點後有免費晚餐，並表示自己每天晚間八點準時離開。團隊規模則是一組約十人，但實際協作對象不只組內成員。需要說明的是，這些屬於留言區使用者自述，反映的是單一組織的狀態，不同部門差異可能很大。
對正在準備面試的人，能帶走什麼
第一，履歷上寫的每個技術名詞都會被追到底層。寫了高並發，就要能講熱點 key；寫了 RAG，就要能畫出完整流程並說明上下文管理；寫了 LangChain，就要講清楚哪些工具是自己寫的。這與秋招兩個半月的心得總結裡呈現的現實一致：流程漫長，能撐到最後的往往是專案細節講得最紮實的人。
第二，AI 相關項目已經從加分項變成追問主戰場。這場面試裡 RAG 與 agent 相關題目佔了近三分之一，傳統後端題反而成了基本盤。
第三，反問環節是雙向情報交換。這位求職者問模型額度與作息，留言區的回覆讓這些通常要入職才知道的資訊提前攤在檯面上。對求職者來說，把想問的問題想清楚，本身就是面試準備的一部分。
演算法題只有一道合併兩個有序鏈表，屬基礎題型。整體來看，這場面試的天平明顯偏向項目深度與工程判斷，這大概也是面試結束兩小時就發出通過通知的原因：能一路答下來的人，不太需要第二輪驗證。