如果大家可以内推或者继任的话那就更好了

📋 原文实录（一面 + 二面）岗位： AI 产品经理 | 面试官背景： Boss直聘 AI 面试产品线───Q1：AI 面试产品的现状与差距面试官介绍：国内目前没有比我们做得更好的 AI 面试产品，但仍处于灰度验证阶段。与国外产品相比，差距主要体现在语音交互的自然度和 AI 面试官的专业程度上。当前很多所谓「AI 面试」产品（如德贤、海纳）更像是标准化考试（固定题目、收集答案），而非真实面试场景的还原。Q2：AI 面试的核心方向聚焦两个方向——• 能力方向：高度还原真实面试场景；提升 AI 面试官的出题能力、评价能力、技术稳定性。• 业务价值方向：To C 帮助求职者押题、锻炼技能、缓解紧张；To B 更高效、低成本、定制化地收集候选人信息，实现人岗精准匹配。Q3：AI 面试的天花板在哪？AI 能否完全决定录用？面试官回应：如果仅把 AI 面试当作筛选节点，确实有天花板。但若视为人才匹配工具，天花板极高——即使某人不适合 PM 岗，AI 可基于其特质推荐律师岗位并直接对接律所。核心不是「刷人」，是发现人的潜力。真正的瓶颈可能不是技术，而是信任问题——企业是否愿意让 AI 做最终录用决策。Q4：对 AI 安全有何理解？AI 红队具体如何开展工作？原题。考察模型攻防、安全性评估标准及红队测试流程。Q5：如何理解「幻觉」？上下文工程如何处理幻觉？原题。考察 RAG、Prompt 约束等技术手段，以及实际业务场景中的防幻觉策略。Q6：Agent 运行中，ReAct 模式如何解决无限循环？原题。与记忆机制、工具调用准确率及信息利用率有关。受限于上下文窗口，需研究如何检测并跳出循环。Q7：App 消亡论与硬件终端面试官讨论：App 从「给人看」到「给 Agent 用」。深层：安全与信任？商业模式重构（注意力经济→算法贿赂）？终端演变：AI 眼镜更轻巧更直接，但视线阻碍与侵入性。必须亲自买 AI 眼镜体验才能形成有说服力的判断。Q8：面试官给的认知检验标准• 卡壳即不懂——说不清楚 = 认知不清晰。能用两句简单话把复杂事说明白，才叫真懂。

boss上投的一家外企，看了一下公司的背景，好像是做《模拟山羊》、《死亡岛》的厂子的子公司，有点类似上海宝开这种，待遇感觉还不错，简历过了先进行一个笔试笔试考查内容：Agent工具使用考核题目：使用Pi Coding Agent（用Pi为加分项，或你顺手的cli工具，如Codex，Claude Code），产出一份 Deca中国工作室旗下代理的EVD、KBN两个游戏的任意主题（比如历史运营活动）的报告，需要提交全程的录屏展示。 说明：尝试在不提供给模型EVD、KBN游戏全称或任何有关背景信息的情况下，通过上下文工程或工作流提升Claude Code的搜索质量，只在“搜集Deca中国工作室旗下代理的EVD、KBN两个游戏的XX主题的信息，产出一份报告”指令下产出完整报告。使用cli-anything或agent-browser（加分项）自动完成将文章推送到b站、小红书。将最佳实践创建为一个skill。（搜索能力增强+自动化推送）提交录屏演示。录制一次最终完整的推理过程，以及调试过程中所做的优化，在所用的平台（或本机）上录制。展示Pi的自定义Extension配置（可选，加分项）感觉还是蛮简单的，直接claudecode + webfetch + playwright mcp就完成了一面介绍一下你自己。你平时都使用什么vibe coding工具，其中mcp、hook等都是怎么配置的？聊一聊你对当前hermes、opencode、claudecode、openclaw等热门工具的看法？工作流、单智能体、多智能体系统之间的区别是什么？拷打简历项目中技术实现细节(反问)其中rag如何做的跨session的长期记忆的？讲讲你现在做项目用的agent框架是什么和为什么用它？讲讲Agent项目如何从demo进行企业级落地讲讲你的团队合作编码经历，如开源贡献、git相关内容二面此面类似hr面，主要询问个人经历和学习路径等，甚至还问了个人兴趣爱好为什么喜欢干开发？说说你觉得你最成功的一件事说说你觉得你最失败的一件事你有什么兴趣爱好你喜欢打什么游戏？为什么？

大家可以帮忙看看简历哪里需要完善吗