一些文科生学AI的心得

最近两周学会的：了解什么是 benchmark，怎么做测评集数据。写 prompt 给模型生成的答案打分。学会了怎么排查一些基础的agent bug。看用户负反馈，先看调用链路，再看输入输出，最后怀疑人生。记录一些新思考：1️⃣ 别怕问问题首先摸清楚究竟应该做什么，哪些事情的优先级更高。如果搞不清楚可以问 mentor，了解具体情况。把一些基础的概念理清楚，后续会少犯错。可以在便签上记一下哪些业务找哪些负责人，这样协作起来会更高效。还有一个 i 人地狱的行为，就是我发现如果协作方没回消息可以直接去他座位上找他，沟通效果会更好。啊啊啊啊我虽然是 e 人，但是这种场合真的会变成 i 人。2️⃣ 建立术语词典把每天听到的新词记下来，不用追求技术深度，但要理解业务含义。比如虽然不懂搜索调用了哪些技术，但要清楚为什么这么做。最近发现一些反馈是用户觉得搜索时效性差，反推逻辑是：模型不能在每次用户提问的时候都开搜索，这样会浪费一些算力资源，所以需要在前置开个意图判断的小模型预判用户问题需不需要搜索，简单问题直接让大模型回答，只有涉及实时信息、专业知识或不确定内容时才调用昂贵的搜索功能，节省搜索成本，并且提高回答速度。后续可以记录这些 case 做优化。3️⃣写 bug 日记每遇到一个bug，不要只满足于解决，要记录下来：现象是什么、原因是什么、排查路径是什么、怎么避免的。有相似情况就不用找开发去再排查，一些简单的 case 也能自己 debug。4️⃣找到自己的价值刚开始会感觉有些无法融入，周围人说话有点像听天书。全是做技术的，做模型产品运营和功能产品运营不太一样。公司的产品就是模型，所以很多事情就是在做模型本身的优化，要学很多东西。后面也逐渐觉得，虽然文科生没有技术背景，但是也能做用户洞察，做创意策划。保持对人的好奇、对故事的敏感、对体验细节的执着，这些也是很稀缺的能力。0经验的同学可以试试先做一段普通产品运营岗慢慢转。找那种急招或者招人比较多的实习；还有一种方法是在传统业务中做一些 AI 工作，在简历里强调这段经历。

很多人被问到这个问题时，第一反应是：“我会把Prompt写好一点。”但如果你真的这么回答，基本就已经输了。因为在真实业务里，大模型从来都不“乖”。它会幻觉、会乱填参数，甚至在极端情况下可能触发危险操作。就比如我之前做项目，有一步是需要让大模型输出一段JSON，我设置了非常严格的提示词，要他直接输出代码而不要带任何的对话，但还是会时不时的输出一句“好的”，让我们猝不及防。话说回来，问题的关键从来不是“让模型更聪明”，而是当模型不靠谱时，你有没有一套机制兜住它。所以如果你打算包装自己为一个真正有经验的工程师，就需要把这个问题拆成一整套体系，而不是一句prompt优化。（回答思路放在了文末）我们可以...

攒人品中，祝大家都能拿到满意的Offer！项目1. 项目使用过程中遇到过什么问题2. 在使用 Spring AI Alibaba 框架时，它与其他开源 RAG 框架有什么区别？你使用了它的哪些核心能力，哪些是自己实现的？3. 向量数据库中使用了哪种索引算法4. RAG 优化方向：- 是否有看过 RAG 相关的论文或了解过前沿机制？- 业内的优化方向有哪些？- 如果让你类比“人看书”的过程，你会如何优化 RAG 的检索效率和召回率（引入目录、摘要）Java 基础与设计模式1. 请简述 Java 集合的继承体系2. HashMap 的父类有哪些？3. 集合框架中用到了哪些设计模式？4. 在 JDK 源码或 Spring 框架中，哪些地方应用了设计模式？5. 单例模式有几种实现方式（懒汉、饿汉、枚举等）？还有没有别的6. 平时在学习或写代码时会用到大模型吗？7. 如何看待“vibe coding”这种趋势？8. AI 辅助编程有哪些局限性手撕让写生产者和观察者模式

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...