27日常实习 阿里千问AI产品面经
《面试题目》
- 给我面没招了，发点面经攒攒人品～
- 实习拷打
- 你为什么想投千问主 Chat 组的 AI 产品实习生？
- 追问：相比其他 AI 产品岗位，这个岗位最吸引你的点是什么？
- 你最近最常用的 AI 产品有哪些？
- 你怎么评价它们的优缺点？
- 如果只能保留一个，你会选哪个，为什么？
- 你怎么看千问、ChatGPT、豆包、Kimi、DeepSeek 这类 AI 对话产品的差异？
- 追问：你觉得千问最应该补齐的短板是什么？
- 你如何理解主 Chat 产品的核心价值？
- 它和搜索、Agent、传统工具型产品的边界分别在哪里？
- 如果让你优化千问 App 或 PC 端的一个核心功能，你会怎么验证这个改动真的有效？
- 你会重点看哪些核心数据指标来判断主 Chat 做得好不好？
- 追问：如果留存和满意度出现冲突，你更信哪个？
- 你能简单讲一下 Transformer 的基本原理吗？
- 为什么它比传统 RNN 更适合做大模型？
- 你怎么理解预训练、SFT、RLHF 这几个阶段，如果少了 RLHF，产品体验会主要差在哪里？
- 你怎么理解 prompt、system prompt、上下文窗口、RAG、Agent 这些概念？
- 追问：它们分别更适合解决哪一类问题？
- 如果用户一句话里有多个意图，或者表达很模糊，你会怎么做意图识别和回复策略设计？
- 你如何理解上下文、短期记忆、长期记忆的区别？
- 什么信息应该记住，什么信息不该记住，为什么？
- 如果模型出现幻觉，你会怎么判断是模型能力问题、检索问题、prompt 问题还是产品策略问题？
- 你会怎么评估一个 AI 对话系统答得好不好？
- 除了人工判断，还可以看哪些技术或算法指标？
- 如果让你在两周内做一个能明显提升主 Chat 体验的小改动，你会做什么？
- 如果研发资源非常有限，你会怎么取舍？
《参考解析》
- AI产品与 Agent 项目：回答这类问题要先讲清目标用户和业务场景，再说明模型、数据、工作流、评测指标和上线后的真实使用效果。面试官通常更看重你能否把 AI 能力转成可落地的产品闭环，而不是只罗列模型名。
- RAG 系统：RAG 的核心是召回质量、切分策略、排序和答案可追溯。BM25 擅长关键词精确匹配，向量检索更适合语义相近的问题，工程上常用混合检索加重排来提升稳定性。
- 用户研究：用研回答要覆盖样本选择、访谈或问卷方法、洞察提炼和需求转化。面试官会追问研究结论是否真正影响产品决策，因此最好用指标或后续迭代结果闭环。