06 AI应用开发面试复盘 老颂

777 words
4 minutes
06 AI应用开发面试复盘 老颂

AI 应用开发岗位面试复盘(摘自小红书笔记)#

来源:小红书「AI践行者-老颂」
标题:上午面了一个AI应用候选人,说实话有点可惜
抓取时间:2026-05-31


面试概况#

候选人简历写得很满:LangChain、RAG、微调、提示词工程、向量数据库、模型部署都有,但一问细节就露馅了。


暴露的四大短板#

1️⃣ RAG 基础不扎实#

面试追问暴露问题
向量数据库是干什么的?回答模糊
分块策略?为什么很多场景用固定大小滑动窗口?卡住答不上
用户问专业问题,模型答非所问,第一步查什么?思路混乱

真正做过的人会怎么答?

  • 直接联想到 召回的上下文相关性、prompt 约束是否到位
  • 会用 评估集跑一遍不同分块和召回策略的效果对比

2️⃣ 提示词工程停留在表面#

“做过 prompt 优化、提示词工程”
→ 一问 结构化 prompt 的设计原则,答不上来
→ 说明平时只是在 “改现成模板”,不是理解系统逻辑


3️⃣ 工程意识 / 可靠性设计不足#

需要思考的问题:

  • 用户输入恶意指令或无关问题,模型乱输出怎么办?
  • 上下文窗口溢出,系统怎么降级?

比较稳妥的方案(至少要说出来):

输入校验 → 意图识别 → 敏感词过滤 → 上下文截断策略 → 错误兜底话术

关键设计原则:

  • 先校验用户输入,再决定是否调用模型
  • 对关键输出做 二次校验和格式解析,再返回给用户
  • 不是为了”好看”,是为了系统不会因为一次异常请求直接崩掉

4️⃣ 性能优化只停留在表面#

很多人只会说 “用了流式输出”

真正做过的会继续讲:

优化维度具体做法
缓存调用前哪些步骤可以缓存
批处理哪些请求可以批量处理
超时策略模型推理超时怎么设置,重试还是降级
上下文管理上下文太长时怎么做摘要,效果和成本之间怎么权衡

这些细节,才是工程能力。


🎯 面试准备建议(原文总结)#

把自己做过的一个项目重新拆一遍:

  1. 业务需求 — 怎么对齐
  2. RAG 设计 — 怎么设计
  3. Prompt — 怎么写
  4. 异常兜底 — 怎么兜
  5. 性能优化 — 怎么优化
  6. 数据处理 — 怎么处理

再把高频模块整理成 “四件套”

原理 → 配置 → 常见问题 → 排查方法


💡 核心观点#

企业现在更看重的,不是你会不会调个 API,而是:

  • 出了问题你能不能定位
  • 系统异常你能不能兜住
  • 方案落地后你能不能让它稳定跑起来

🏷️ 标签#

#AI大模型 #LLM应用开发 #面试技巧 #求职 #程序员转型 #RAG #技术干货

Share Article

If this article helped you, please share it with others!

06 AI应用开发面试复盘 老颂
https://estars-blog.pages.dev/posts/求职作战室-面经-agent面经-06-ai应用开发面试复盘-老颂/
Author
Estars
Published at
2026-06-10
License
CC BY-NC-SA 4.0
Profile Image of the Author
Estars
这条路要走完,才能看到世界的终点,是海纳百川,还是星火燎原。
公告
欢迎来到我的博客!这是一则示例公告。
Music
Cover

Music

No playing

0:00 0:00
No lyrics available
Categories
Tags
Site Statistics
Posts
91
Categories
5
Tags
44
Total Words
374,063
Running Days
0 days
Last Activity
0 days ago

Table of Contents