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:
- 业务需求 — 怎么对齐
- RAG 设计 — 怎么设计
- Prompt — 怎么写
- 异常兜底 — 怎么兜
- 性能优化 — 怎么优化
- 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!
Related Posts Smart
1
09 腾讯AI应用开发一面 逸
求职作战室 # 腾讯 AI 应用开发 一面 **来源**:小红书笔记(作者:逸,2026-04-11) **链接**:http://xhslink.com/o/2yiaDG9CXww **数据**:3357 点赞 / 6245 收藏 / 120 评论
2
秋招 AI应用开发 Agent 复习笔记
求职作战室 # 🎯 AI 应用开发 / Agent 方向 · 秋招复习笔记 > 📅 整理时间:2026-06-02 > 📚 来源:基于 workspace 内 18 份面经资料整合 > 🎯 适用:AI 应用开发 / Agent 开发 / 大模型应用 校
3
2026 05 07 阿里淘天 AI应用开发 一面
求职作战室 # 阿里淘天 AI 应用开发面经(一面) **时间**:2026-05-07 **来源**:[小红书笔记](http://xhslink.com/o/9aWfkBaZczZ) --- ### 1. 自我介绍 * 个人教育背景及项目经验概述。
4
03 小厂AI应用开发一面问题及参考回答
求职作战室 # 小厂AI应用开发一面问题及参考回答 ## 4. 讲下skill的运作机制,skill的内容是以什么形式返回给大模型的? **参考回答**: - **运作机制**:当用户提问或触发条件满足时,系统会从 skill 库中匹配最合适的 ski
5
08 阿里淘天AI应用开发一面 有只小粉
求职作战室 # 阿里淘天 AI 应用开发一面面经(5.27) > 来源:小红书「有只小粉」 > 岗位:AI 应用开发 > 面试时长:**1 小时 30 分钟** > 抓取时间:2026-05-31 --- ## 面试流程 ### 项目深挖环节(Agen
Random Posts Random