企业官网建设流程全解析

6月3号下午，我顺利结束了华为OD AI岗的最后一轮HR面。走出面试间的时候，心里其实没底，因为当天一起面试的其他候选人在技术面都被追问得很深，甚至有人聊到数据库驱动源码。三天后HR发来消息说通过，进入定级审批，我才终于松了口气。

从3月初决定投华为OD的AI岗，到6月3号完成最后一轮面试，前后整整三个月。这中间经历了简历筛选、机试、综测、两轮技术面、HR面，每一步都有人被刷。我同期拉了一个备考小群，里面十几个人，最后走到审批环节的不到一半。今天这篇就把整个过程摊开讲一遍，包括机试怎么准备、AI方向会问什么、华为生态技术栈有哪些坑、哪些问题差点让我当场挂掉。如果你也在准备华为OD的AI岗，或者打算挑战大厂AI方向的面试，这篇应该能帮你少走不少弯路。

1. 岗位认知：华为OD AI岗到底在做什么

1.1 这份岗位的实际工作内容

华为OD（Outsourcing Developer）很多人叫它“外包研发”，但实际形式和传统外包差别挺大。合同签在人力公司，日常工作却在华为的项目组里，和正式员工一起参加迭代评审、一起发版、一起值班。AI方向的OD岗，绝大多数落在AI应用落地这一层：大模型平台建设、知识库问答、Agent能力开发、模型服务封装、内部AI工具链优化。

我投的这个岗位是AI应用方向，JD里写得很清楚：负责大模型应用开发、Agent平台能力建设、内部AI工具链优化。后面面试时问的也基本围绕这三块展开。所以如果你准备的方向是纯算法、纯训练岗，那和OD的AI岗不是一回事，OD更多是“把模型用起来”的工程岗，模型训练更多在正式员工的算法团队手里。搞清楚这一点非常重要，备考方向完全不同。

1.2 2026年的整体流程和时间线

我这一批的流程是这样的：简历投递→机试→综测→技术一面→技术二面→HR面→定级审批→Offer。整体周期偏长，从投简历到最终发Offer一般要一个半到两个月，赶上报批节点会更久。

中间和HR沟通时她明确说，2026年的批次基本都换成了新的C卷系统，机试监考升级为双机位，对过程合规要求更高。我后面细说。

1.3 硬性门槛和简历筛选

学历方面，大多数部门要求统招本科以上，部分产品线偏好双一流或硕士，但也不是绝对。我知道的同期候选人里，有普通二本进来的，也有985硕士在机试环节被刷掉的，学历只是入场券，后面的环节更看硬实力。

简历筛选这块，最加分的几类：做过RAG问答系统、自己部署过开源大模型、写过Agent应用、有Java后端项目经验、用过华为云或ModelArts。如果这些都没有，至少要在简历里体现“我在学习AI、我在实践AI”，比如放一个GitHub仓库链接，里面是你自己搭的本地模型对话或向量检索Demo，都比空泛的“熟悉大模型”有说服力。

2. 机试环节：三个月的刷题计划，双机位C卷怎么稳过

2.1 机试考什么：题型、分值、双机位

华为OD机试一般是三道编码题，我这一批的邮件写的是：时长150分钟，第一题100分、第二题200分、第三题300分，总分600。通过线看部门，我们这批的说法是150分到200分就能推进，但想稳一点最好冲着250分以上去。题目是黑盒用例判题，按通过的测试用例比例给分，不是非对即错。

2026年很多批次换成了新的C卷系统，最大的感受是“过程管理”变严了。双机位监考：一台电脑用网页答题，另一台手机放在侧后方45度，全程录像。考前会有监考老师检查机位角度，手机倒下来或者频繁低头看手机都会被警告。我有个同期小伙伴就是因为手机支架倒了，中途被监考老师喊话调整，虽然没算作弊，但心态直接受影响，第二题没写完。所以设备一定要提前架好、提前测试。

2.2 三个月刷题计划表

机试准备我用了整整三个月，平均每天2到3小时，周末翻倍。具体分三个阶段：

基础期不用贪多，一天一到两道LeetCode简单或中等题，重点是建立“数据结构→算法思路”的映射。专项期是提分关键，尤其是字符串处理和动态规划，华为机试特别喜欢考这两块。模拟期一定要做整卷，不是一道一道刷，而是掐时间做三个小时，练的是考场上的时间分配和心态。我当时找了牛客网上的华为OD真题集，晚些时候又看了CSDN上一位老哥整理的C卷题库目录，它把高频考点按标签归类，我打印了一份贴在桌上，每天睡前扫一遍。

2.3 高频考点与典型题：为什么华为爱考这道题

我整理了C卷和之前各批次的高频考点：

拿一道高频题“最长无重复字符子串”举例，题目本身不复杂，但它能看出你懂不懂滑动窗口的优化思路。给出一个思路参考：

def length_of_longest_substring(s: str) -> int: left = 0 window = set() max_len = 0 for right, ch in enumerate(s): while ch in window: window.remove(s[left]) left += 1 window.add(ch) max_len = max(max_len, right - left + 1) return max_len

这种题的面试价值在于：暴力法是O(n^2)，滑动窗口能到O(n)。华为机试对时间复杂度的要求越来越高，C卷很多题目都在考察“能不能从暴力解优化到最优解”。面试官后来说，机试高分的人，往往不是背题背得多的，而是能在考场上快速判断“这道题用什么数据结构”的人。

2.4 机试现场的注意事项和踩坑

机试现场的坑太多了，挑几个最实际的讲：

• 提前一小时进会议室，按邮件要求架好双机位。我用的方案是电脑+手机，手机用支架放在侧后方，角度能同时拍到屏幕和手部即可。
• 在线OJ是标准输入输出，不是力扣那种函数式提交。平时刷题要额外练“用sys.stdin.readline读多行数据”这种写法，否则本地跑得好好的，提交上去0分。
• 拿到题目先全部读一遍，按分值决定做题顺序，不要在第一题死磕超过40分钟。我模拟期有一次在第二题上耗了1小时，第三题没时间做，总分直接少一半。
• 如果遇到断网、设备异常，第一时间截屏并联系监考，不要自己硬扛。考后把提交记录截图存好，万一结果有争议可以作为申诉材料。
• 机试结束后立刻记录每道题的思路和提交结果，方便后续和HR沟通，也方便自己复盘。

3. 综测与技术面：AI Agent、大模型原理、AI编程工具一个都不能少

3.1 综测（性格测评）为什么也会刷人

机试通过后，当天就会收到综测邮件。很多人以为这就是走个过场，但我同行的人里真有人挂在综测。华为OD的综测是性格测评，题量大、每道题有倒计时，而且前后会出现重复或相似题目来检测作答一致性。如果前后矛盾太多，系统直接标记“作答一致性存疑”，后面基本没戏。

我的经验是：不要刻意往“最积极、最完美”的方向选。比如“遇到困难时我会坚持到底”这种题，你选“完全同意”没问题，但如果前面一道类似的题你选了“视情况而定”，后面又选了“完全同意”，系统就可能判定不一致。放松点，按真实想法快速作答，不确定的题目跟着第一直觉走，不要回头改。另外综测结果一般不能申请重测，所以宁可答普通一点，也要保证前后统一。

3.2 技术一面：从项目问到RAG原理，再到手撕算法

技术一面约了45分钟，面试官是部门里的技术骨干，开场没寒暄，直接让我讲“你过去最值得说的一件事”。我讲了之前做的RAG知识库问答项目，然后他就沿着项目一路往深挖。

追问的方向大概有这些：

• 你用的embedding模型是什么？为什么选它？我当时用的是bge-m3，理由是中文效果稳、支持长文本、开源可私有化部署。面试官接着问“和OpenAI的text-embedding-3-small相比呢”，这就得提前准备对比认知。
• 文档切分是固定长度还是语义切分？切错了会有什么后果？固定切分实现简单但会把语义切碎，语义切分效果好但依赖模型能力和算力。如果切分不当，召回率会显著下降。
• 检索结果的相关度阈值怎么定的？阈值太低会混入大量无关片段，太高又会漏掉正确答案，这个值要靠标注集实验调，不能拍脑袋。
• 有没有做Rerank？用的什么模型？我说用了bge-reranker，效果比纯向量召回有明显提升，但延迟会增加，所以线上只在Top-N之后做重排。

项目问完，面试官要求手写一道“反转链表”，要求迭代和递归两种写法都讲一遍。然后是大模型基础：多头注意力的意义是什么？为什么Transformer用LayerNorm而不用BatchNorm？这些问题不是背八股，更看重你是否真正理解背后的原因。我的建议是不要只记结论，要把“为什么”也准备清楚。

3.3 技术二面：系统设计题和AI Agent的底层逻辑

技术二面更像一场系统设计加源码级追问，面试官开门见山：“给你一个企业知识库问答系统，你会怎么设计？”然后围绕方案持续追问了一个小时。这是全流程里技术密度最高的一轮。

我的方案流程是：用户输入问题→权限校验→查询改写→混合检索（向量+BM25）→Rerank→Prompt拼接→大模型生成→流式返回→日志与评估。面试官对每个环节都会追问，尤其是：

• 用户问题有歧义怎么处理？比如“苹果的股票”和“苹果的手机”，需要做意图识别或查询改写，结合上下文消歧。
• 如何防止大模型编造不存在的知识？系统提示词要限定只能基于检索内容回答，检索不到就明确说不知道，同时要求回答里标注引用来源。
• 数据权限怎么做？检索阶段就要过滤用户无权访问的文档，不能等生成后再处理，否则存在越权泄露风险。
• 线上QPS上来后变慢了，怎么优化？