开发AI项目
一、技术深度类问题
这类问题考察你是否真正理解RAG的原理，而不仅仅是会用。
1. "请详细解释一下RAG的工作原理，与传统的关键词搜索有什么区别？"
考察点：对RAG核心机制的理解
回答思路：
- RAG的两阶段：检索（Retrieval）+ 生成（Generation）
- 语义理解：传统搜索靠关键词匹配，RAG靠向量相似度，能理解"笔记本电脑"和"便携电脑"是同一意思
- 动态知识：RAG的知识来自外部文档，更新只需重新索引，不需要重新训练模型
- 可解释性：RAG可以追溯答案来源（引用具体文档段落），传统AI模型是黑盒
加分项：可以提到混合搜索（向量搜索+关键词搜索结合）在实际项目中的效果更好
2. "你如何选择文本分块（Chunking）的策略？块大小怎么定？"
考察点：工程实践经验
回答思路：
- 块大小的影响：
- 块太小（<100字）：上下文不完整，语义缺失
- 块太大（>1000字）：噪音多，检索精度下降，还容易超过模型上下文窗口
- 实践经验：我一般从300-500字开始尝试，根据具体文档类型调整
- 重叠策略：设置10%-20%的重叠，避免把完整的语义切断在边界上
- 优化技巧：可以按文档的自然结构（段落、章节）优先切分，而不是硬按字数切
3. "Embedding模型怎么选？你们项目用的什么？"
考察点：模型选型能力
回答思路：
- 选型考量维度：
- 语言支持：中文项目优先考虑国产模型（BGE、BCE等）
- 维度大小：维度越高精度越好，但存储和计算成本也越高
- 开源vs API：开源模型可本地部署更安全，API模型效果通常更好但成本更高
- 我可能会推荐：对中文场景，智源的BGE-M3或BAAI的BGE系列性价比很高
- 对比思路：可以提前准备几个主流Embedding模型的对比数据（如MTEB榜单表现）
4. "怎么解决检索结果不准确的问题？"
考察点：问题排查和优化能力
回答思路（分层次回答）：
- 第一层：调整检索策略
- 增加检索数量（从Top-3调到Top-5），给Rerank更多候选
- 引入混合检索：向量搜索+关键词搜索互补
- 第二层：引入Rerank（重排序）
- 这是目前公认的效果提升最明显的技术
- 虽然增加了一点延迟，但对准确率提升很大
- 第三层：优化数据质量
- 清理文档中的噪音（页眉页脚、无关内容）
- 对复杂文档可能需要人工标注高质量的问题-段落对
二、项目实战类问题
这类问题考察你是否有真实项目经验，能否解决实际问题。
1. "你在这个项目中遇到的最大技术挑战是什么？怎么解决的？"
考察点：解决问题的真实经历
回答思路（可以用STAR法则）：
- 情境：我们公司的产品文档包含大量表格和流程图，直接提取文本后语义丢失严重
- 任务：需要让AI能准确回答关于表格数据的问题
- 行动：我设计了一个双通道处理方案：
- 通道1：常规文本块用标准方式处理
- 通道2：识别出表格，用OCR+表格结构解析，把表格转成Markdown格式保存
- 检索时，根据问题类型决定优先检索哪个通道
- 结果：表格类问题的准确率提升了30%以上
2. "如果用户问的问题在文档里找不到，你的系统会怎么处理？"
考察点：对AI幻觉的防范意识
回答思路：
- 策略一：相似度阈值过滤
- 设置一个相似度阈值（如0.7），低于这个值认为没找到相关信息
- 此时不调用DeepSeek，直接返回标准话术
- 策略二：提示词强约束
- 在Prompt中明确："如果资料中没有答案，请礼貌表示不知道，不要编造"
- 这是最后一道防线
- 策略三：人工兜底
- 对于连续无法回答的问题，触发转人工流程
- 同时把这些漏报的问题收集起来，用于优化知识库
3. "你们怎么评估这个客服机器人的效果？"
考察点：上线后的运营思维
回答思路：
- 客观指标：
- 命中率：多少比例的问题由AI回答了（vs 转人工）
- 准确率：抽样人工评估回答正确率
- 响应时间：从提问到返回的耗时
- 主观指标：
- 用户反馈：点赞/点踩比例
- NPS：对客服满意度的净推荐值
- 业务指标：
- 人工成本变化：接入后人工客服工单量下降多少
- 解决时长：平均问题解决时间缩短多少
三、系统设计类问题
这类问题考察你的架构能力和大局观。
1. "如果让你设计一个高可用的智能客服系统，架构上要考虑什么？"
考察点：系统架构设计能力
回答思路：
- 分层架构：
- 接入层：负载均衡，应对突发流量
- 服务层：无状态设计，方便水平扩展
- 数据层：向量数据库主从备份，避免单点故障
- 缓存策略：
- 高频问题（如"怎么退货"）的结果可以缓存，减少API调用
- 用户会话状态用Redis存储，支持多轮对话
- 降级方案：
- DeepSeek API不可用时，降级到仅返回检索到的文档原文
- 或者展示标准话术+转人工入口
2. "如果公司文档量非常大（百万级文档），你的方案需要做什么调整？"
考察点：大规模系统设计能力
回答思路：
- 数据预处理层面：
- 需要引入异步流水线，用消息队列（如Kafka）处理文档索引
- 文档需要分类分级，建立索引分区策略
- 检索层面：
- 引入粗排+精排两阶段：先用快速算法筛出Top-100，再用精细模型重排Top-10
- 考虑建立文档摘要，先检索摘要再检索全文
- 存储层面：
- 向量数据库需要分片，支持分布式部署
- 冷热数据分离：热数据在高速存储，冷数据归档
四、面试官可能会追问的细节
这些问题往往藏在你的回答里，要有所准备：
"你们用的DeepSeek是哪个版本？为什么选它？"
- 可以从性价比、上下文长度、中文能力等角度回答
"你们怎么处理文档中的图片和图表？"
- 可以提到多模态方案（如GPT-4V），或者OCR+描述文本的方案
"你们的系统每天处理多少请求？峰值QPS多少？"
- 需要提前准备好这些数据，体现项目规模
"如果让你用一个月时间把这个系统重构一遍，你会怎么做？"
- 考察复盘和迭代能力，可以说哪些地方做得不够好，这次打算怎么改进
给你的建议
准备一个真实的故事：找一个你在项目中最有成就感的点（比如解决了某个难题），用STAR法则讲清楚，面试官最喜欢听这样的真实经历。
把原理讲透：不要只说"我用过Dify"，要说"我理解RAG的原理是..."，体现你的技术深度。
准备反问环节：面试最后可以问对方：
- "你们现在的客服系统主要面临什么挑战？"
- "这个岗位主要负责系统的哪部分？是持续优化还是从0到1搭建？" 这显得你对职位有思考。