阿里千问 AI 应用研发一面面经

《面试题目》

1. 解释一下你的项目。
2. 项目里的 CSV 是怎么解析的？
3. 怎么对文档切片的？
4. 向量 + BM25 双路检索，好处是什么？权重怎么分配？
5. 你说你的 Agent 支持多跳检索，具体怎么实现的？
6. 怎么改写 Query？好处是什么？
7. 你说做了文档访问控制，怎么实现的？
8. 一个私人 RAG 系统，为什么要做访问控制？
9. 什么是 PII 脱敏？
10. 长对话摘要压缩怎么实现的？
11. 对话历史感知改写怎么做的？
12. 项目最难的点在哪，怎么解决的？
13. 平时用什么 AI 技术？
14. 你说你用了 harness，介绍一下数据怎么走的流程。
15. 界面类的 AI 产品你用过哪些？

《参考解析》

切片与检索：切片要按文档结构而不是固定字数，先按标题/段落分块，再对超长块做重叠切分，保留来源、页码和层级元数据；CSV 这类表格要先解析表头和行，按行或按业务实体转成文本，避免把整张表塞进一个 chunk。向量召回擅长语义相似，BM25 擅长关键词和专有名词，双路召回后做融合排序（如 RRF 或加权分数），权重用离线评测集调，不要凭感觉定。

多跳检索与 Query 改写：多跳是把上一轮检索到的实体或结论作为下一轮的查询条件，维护一个中间状态，设置最大跳数和停止条件；Query 改写包括指代消解、补全上下文、拆子问题和同义扩展，好处是提高召回，但要有原文兜底，避免改写引入偏差。回答时要说明怎么评测：召回率、命中率、答案正确率和端到端人工抽检。

权限与 PII：文档访问控制要在检索前做过滤，把用户/租户/角色写进文档元数据，召回时按 ACL 过滤，而不是召回后再删；私有 RAG 也需要，因为同一系统里可能有不同人的文档。PII 脱敏是在入库或返回前识别手机号、身份证、邮箱、银行卡等敏感字段，做掩码、哈希或占位替换，并记录审计日志。长对话压缩用滚动摘要加关键事实表，保留最近若干轮原文，摘要只压历史，不压当前任务约束。

harness 数据流要能讲清楚：输入进入编排层，拼系统提示、记忆和检索结果，模型决定调用哪个工具，运行时执行工具并把结果回填，循环直到产出最终答案，最后做格式化、引用和日志。没拆过内部实现就如实说“我主要用它跑任务，理解在编排和工具层”，不要硬编。