前端、实施、售后技术

面试官拷打AI项目时，最常被问到的几个问题往往围绕选择和落地细节展开。比如“为什么选这个模型而不是其他方案”，这并非要你横向评测所有模型，而是考察你在资源约束下的技术决策能力——当时考虑过哪些替代品，最终依据什么选择了当前方案。再如“模型有没有bad case，怎么处理的”，这个问题比讲准确率更能体现工程思维：你是否有意识收集失败案例，分析过是训练数据、推理逻辑还是场景覆盖的问题，又做了哪些缓解措施。其他高频拷打点还包括“数据怎么来的、标注质量如何把控”“评测方法和指标是否合理”“如果上线，要考虑哪些性能和成本问题”。说到底，面试官想看的不是你做出了一个完美项目，而是你清楚它的边界在哪里，知道什么地方该较真、什么地方可以妥协，这种认知深度往往比技术本身更打动人。

为什么？因为面试官对你们的预期不一样。 985 同学的策略：挑一个方向做深 面试官看到 985 的简历，默认你基础不差。他会直接往深了问："你的向量检索用的什么算法？HNSW 和 IVF 的区别是什么？为什么选这个？" 所以 985 做项目应该：  选一个细分方向（比如 RAG 的检索优化、Agent 的工具调用可靠性） 读 2-3 篇相关论文，把论文里的方法实现到你的项目里 写清楚 benchmark：和 baseline 比提升了多少  推荐项目方向：  RAG 检索优化：对比不同 chunking 策略 + 重排序算法的效果 Agent 可靠性：设计工具调用失败时的 ...

上周三一面，周六二面，都是线上技术面，这周一约线下终面，有没有佬知道会问什么啊

3月中旬面的一家一面：1. 实习中有没有遇到多线程的问题2. 创建线程的几种方式3. 线程池的拒绝策略4. mysql索引失效的几种情况5. 索引失效该怎么进行查看，有哪些字段需要关注6. 讲一下HashMap7. 对ai的认识和理解二面：1. 简单聊一下你的最熟悉的一个项目，然后那个比较有亮点的一个项目，然后展开说一下他那你在这里面是做了哪些事儿，然后有哪些东西比较有挑战。2. 检测agent死循环是代码里面写死的还是让上下文自动识别有死循环的3. 记忆的一个存储方式是什么4. 持久化的过程中，所有的数据是通过什么来进行获取的5. 实现一个功能，超过多少上下文再对当前会话的上下文进行总结归纳进行压缩6. 你是怎么理解他的那个对话模式下的一个记忆保存？比方说我跟那个大模型进行我调用大模型的时候，我每次对话，为什么我说一句话他会有记忆的？7. ai调用mcp的stdio和sse两种方式有啥区别8. 讲一下你的科研系统9. 单点登录系统有新用户注册了，你们这边如何实现自动注册该用户10. 如果有用户在今天离职了，你们的系统凌晨才进行更新，那这样数据不就有一个滞后性，这个如何解决11. 如果学校那边的有用户离职了，你们这边如何实现对本系统的用户数据的一个清理12. 那状态机这块当时为什么会使用这个spring的这个状态机感觉不是特别好用13. 这个状态机假设它是一个所有的状态流转，它会存在一个问题，就是如果说是在多台机器上面，它这个状态会有问题吗？14. 那你还主导了一个并主导设计并实现了一个研究成果量化积分模块积分模块这块东西是主要是做什么？