首页 / 面试官拷打AI项目都会问什么?
#

面试官拷打AI项目都会问什么?

#
活动
30540次浏览 856人互动
你的项目为什么选这个模型?模型有没有bad case?说说面试时你的AI项目被拷打的问题吧>>
活动详情
活动规则
1、发布内容≥50字,奖励30牛币 2、浏览量≥1000,奖励50牛币(二者互斥) 每人有3次获奖机会,取最高奖励发放
30~50牛币
300牛币兑换
550牛币兑换
此刻你想和大家分享什么
热门 最新
不愿透露姓名的神秘牛友
04-30 17:45
不愧是字节,问的好难啊🤯
本人简历上 1 个 RAG 项目 + 1 个 Agent demo;这次面的是AI岗一面前我以为:背完八股 + 把项目讲清楚,应该能稳过。0-5 min:自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的,痛点是大模型不懂行业术语。5-20 min:项目深挖(开始崩)- Q1:你的法律文档总共多少?切了多少个 chunk?- 我:约 500 份 PDF,5 万个 chunk- Q2:500 份 PDF 加起来才 5 万 chunk?平均每份 100 个 chunk,你切片粒度是多少?- 我:512 token- Q3:法律文档里"第三条第二款"和"第三条之二"是不同含义,你的切片会不会把它切散?- 我:(沉默 5 秒)……应该会- Q4:那你怎么解决?- 我:我可以加一个 metadata……(开始编)❌ 第一次崩:切片粒度没考虑业务语义。20-35 min:评测体系(继续崩)- Q:你怎么知道你的 RAG 有效?- 我:我用 Recall@5……- Q:评测集多少条?怎么构造的?- 我:100 条,我手工标注的- Q:100 条够吗?分布怎么样?- 我:分布……我没分- Q:那你的 Recall@5 是 0.81,你怎么知道这个数字是好是坏?baseline 是什么?- 我:(沉默 10 秒)❌ 第二次崩:没有 baseline,没分布分析,纯靠"看起来还行"。35-55 min:Agent 部分(彻底崩)- Q:你的 Agent demo 用了几个工具?- 我:3 个,搜索、计算器、文档查询- Q:当用户问一个问题,你的 Agent 怎么决定调哪个工具?- 我:用 ReAct,让模型自己决定- Q:模型决策错了怎么办?- 我:我加了个 reflection……- Q:reflection 失败 3 次后怎么处理?- 我:(沉默 15 秒)……我没想过❌ 第三次崩:异常路径完全没设计。55-65 min:业务理解 + 反问- Q:你觉得字节做 AI 应用最大的瓶颈是什么?- 我:算力?数据?- Q:你看过哪些字节最近发的 AI 产品?- 我:豆包、扣子……- Q:扣子是 Agent 平台还是工作流平台?- 我:(再次沉默)❌ 第四次崩:对面试公司业务一无所知。
牛客41664080...:切片粒度问得好
点赞 评论 收藏
分享
26届校招至今无offer......
各位牛友们,给孩子一点建议吧,26届校招至今无offer,真的顶不住了,每天都在焦虑和怀疑自己中......背景:QS30硕士 AI方向,26届校招投的都是一些AI算法和大模型开发应用岗位,这两天才开始认真的准备校招,之前就是一股脑的头也没啥计划,到现在手上0 offer,因为校招时间所剩不多,6月份春招结束,还剩不到1个月的时间,目前面试只有一家小公司面了,而且效果也不佳,恨自己当初的懒散了,现在决定改过自新,逼自己自律了。目前问题:1. 每次笔试都觉得自己基础不扎实,说是要练习刷题,但一直都很没有方向,做完笔试后也没有任何消息,直到现在我才意识到不能再继续这样下去了。2. 简历问题:简历上没有国内优质大厂的实习,现有的实习虽然是模型开发相关的,但还是demo级别,不足以构成整个闭环。解决方案:1. 打算花两周时间,先把简历上补上一个企业级的agent开发项目,尽量做出 RAG / 工具调用 / 后端接口 / 前端展示 / 部署闭环。2. 牛客网里面的——机器学习,深度学习,Agent等AI相关的题目,每天至少做5套。3. LeetCode / 牛客算法每天 3–5 道,先补高频基础题4. 每日投递简历大中小厂都投,这里我企业级项目还没做出来,还是用之前的版本投递(不知道简历够不够用)另外,我如果选择延长领取毕业证的时间,能不能再尝试一下27届校招投投转正实习,想问问这样操作会不会被hr评定不适合,直接刷掉。求大家给点真实建议,骂醒也可以
要冲外企的小狐狸很有...:友友可以交流一下,我也qs30现在还在春招
点赞 评论 收藏
分享
前端AI项目|面试官高频拷打问题(全覆盖、直击痛点)
一、项目选型&背景拷问1. 项目业务价值是什么?为什么要做AI赋能前端场景?2. 大模型接口怎么选?云端模型/开源模型区别,选型依据?3. 框架、渲染方案为何这么选,针对AI流式场景做了哪些适配?二、核心技术原理(最高频)1. 大模型流式返回实现原理:SSE、Fetch Streaming、WebSocket 区别与落地选择?2. 分片数据如何解析、逐字渲染?怎么解决乱码、断行、拼接异常?3. 如何实现请求中断、重复请求拦截、AbortController 实际用法?三、多轮对话&上下文1. 多轮会话上下文如何拼接传递?存在哪些token开销问题?2. 长对话卡顿怎么优化?上下文压缩、历史消息裁剪怎么做?3. 对话记忆本地/服务端存储方案,优缺点分别是什么?四、AI业务落地难点1. Prompt 提示词工程做了哪些优化?如何提升回答精准度?2. Markdown、代码块、公式等高复杂内容渲染怎么处理?3. 函数调用、MCP协议、AI工具联动,前端如何配合?五、性能&体验优化1. 长文本渲染、海量聊天记录带来的页面卡顿如何解决?2. 骨架屏、加载状态、断网重连、异常降级方案?3. 防抖、限流、接口缓存,AI高频请求场景如何做管控?六、踩坑&深挖拔高1. 项目开发最大难点是什么?如何排查流式接口各类异常?2. 敏感词过滤、内容安全、输入边界校验怎么处理?3. 了解前端本地AI、WebLLM、RAG 前端落地思路吗?
点赞 评论 收藏
分享
玩命加载中
牛客网
牛客网在线编程
牛客网题解
牛客企业服务