ai pm实习offer二选一

整体感觉还是不错的期待有后续！1. 如何设计一个面向外卖商家的AI运营助手？2. 如果让你负责一个AI对话功能的优化，你会关注哪些指标？3. 如何验证智能调度算法新版本的效果？追问：若上线后部分骑手反馈调度不合理，如何处理？

面经面试时间：1月份，日常实习，部门是国际化（还挺想去的，最后一面挂了（一）项目实践与工程化类实习中挑一个最有挑战的经历介绍性能优化的具体落地动作（资源加载、渲染、运行阶段）？如何量化优化效果？（简历有提到如何理解 CDN？哪些资源适合放 CDN、哪些不适合？是否了解 CDN 动态加速？（简历有提到CDN虚拟列表的实现逻辑、核心优势（简历有提到AI 提效（cursor rules）的具体实践？（简历有提到skills 与rules 的核心区别是什么？(当时没回答好大模型与 2020 年前传统模型的本质区别？催生大模型出现的核心原因？（没回答好，扯到transformer前端开发中常用的设计模式...

给我面没招了，发点面经攒攒人品～关于项目落地别只说做了什么1.“你的AI产品用户到底是谁？解决了什么具体痛点？”2.“为什么非要加‘拍照’功能？是为了解决输入效率还是识别问题？”3.“你说解决了联网搜索的幻觉问题，具体是怎么解决的？用了什么策略？”4.“时延太高怎么优化的？为什么改Markdown转JSON，如何压缩了Prompt？”5.“上线后转化率只有2‰，这符合预期吗？你怎么分析这个数据？”关于技术认知1.“你觉得Agent和Workflow最大的区别是什么？”2.“如果换一个全新的业务场景，你搭建工作流的通用方法论是什么？步骤是怎样的？”3.“市面上这么多模型，你为什么选这个？有没有试过其他的？”4.“你自己Coding过吗？具体是怎么结合到工作流里的？”

1. 你做的 Agent 项目整体架构是什么？答：一个比较完整的 Agent 架构一般包括四层：用户输入层、规划决策层、工具执行层、结果整合层。用户输入进来后，先做意图识别和上下文整理，再由大模型决定是直接回答、检索知识、还是调用工具。工具层可能包括搜索、数据库查询、知识库检索、接口调用、代码执行等。工具返回结果后，再交给模型做总结、归因和最终输出。如果是生产环境，还会多一层治理能力，比如权限校验、超时控制、重试、日志、观测、敏感内容拦截。Agent 和普通问答最大的区别，就是它不是单纯生成文本，而是“模型负责决策，外部系统负责拿真实信息，最后再由模型组织答案”。2. Agent 为什么不等于...