超星 Java 开发二面:简历追问二十多问,最后落到「校园网内做 AI 学情分析」的本地化部署
- 轮次
- 二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
规划与稳定性
- 自我介绍。
- 我看你校成绩比较优异,学校有保研的机会吗?
- 你自己有继续考研,或者考公、考编的打算吗?
- 现在规划就是直接就业,是吗?
- 你对自己就业的规划是如何的?
实习一:CRM 与会员权益
- 雅诗兰黛这边,你们公司是乙方性质、接雅诗兰黛项目,是吗?
- 当时做这个 CRM 系统主要是哪一块?订单这一块吗?我看会涉及订单导入。
- 你提到负责数据集成和会员权益同步,当时这个项目是 0 到 1 的项目,还是已经有成熟项目、你负责优化?
- 在数据集成这一块,你当时主要负责了什么工作?
- 可以详细展开讲一下,这个功能是如何实现的吗?
- 这个积分计算方式是谁给你的?是运营这边,还是你自己设计的?
- 当时做这个项目的开发人员一共有几位?
- 这个团队规模非常大,大家具体分工是如何的?你大概知道分工逻辑吗?
- 你在这个实习过程中有遇到过什么困难吗?然后是如何解决的?
实习二与个人项目
- 你最近这段实习也是乙方性质的公司,专门负责医学方面平台的开发吗?
- 这两个项目中,哪一个你参与得更深入一些?
- 可以详细讲一下这个项目的情况吗?
- 这个业务偏医学方面,你之前应该也没有了解过。我想了解你是如何做业务理解的?
- 这个产品后续上线情况你有了解吗?比如整体数据成果情况。
- 「何小诗」这个产品是你自己完全独立开发的吗?当时为什么会想着做这样的项目?
- 你自己独立设计过程中,有没有遇到什么困难?或者说你整体的产品构思逻辑是什么?
- 比如有同学提出建议,在你迭代过程中,技术方面有没有遇到过什么难题?
- 排查出来之后,是如何解决这个问题的?
场景题
- 如果现在需要设计一个 AI 学情分析功能,学校要求 AI 学情分析不能脱离校园网进行,但公司目前做 AI 学习分析依赖云端大模型。基于这个矛盾点,你作为技术有什么解决方案?
- 如果要去做本地化部署,你的技术选型是什么?会选用什么样的内存容量?
《参考解析》
场景题的解题顺序:先拆约束,再给分层方案。这道题的约束只有两条——数据不出校园网、能力要能对标云端大模型。先确认口径:是「数据不能出网」还是「推理不能出网」,这决定了能不能做「本地脱敏、云端推理」的折中;如果学校要求连推理也在内网,那就只有本地化一条路。分层方案通常给三档:一是纯本地部署开源模型(内网 GPU 服务器 + 量化模型 + 本地向量库),能力弱于云端但完全合规;二是混合,敏感数据(学生姓名、成绩明细、行为日志)留在本地做特征聚合,只把脱敏后的统计特征送出网做分析;三是私有化交付,把整套服务(应用 + 模型 + 数据库)打成离线安装包部署进校园网,公司负责升级包分发。答题时要说清三档的代价:纯本地的效果上限、混合方案的合规边界(脱敏是否可逆)、私有化的运维成本。面试官要的不是标准答案,而是你能不能在约束里做取舍。
本地化部署的技术选型与容量估算。选型分四层:模型层按显存选开源权重,7B 级别 FP16 约 14 GB 显存、INT8 约 7 GB、INT4 约 4 GB,32B 级别则要 4 张 24 GB 卡或一张 80 GB 卡;推理引擎用 vLLM 或 TensorRT-LLM 做连续批处理与 PagedAttention,把并发吞吐拉起来;应用层沿用 Java 服务,通过 OpenAI 兼容接口调用本地推理服务,把超时、重试、限流做在网关;数据层用本地 PostgreSQL + pgvector 或 Milvus 存学情特征向量,模型权重与日志落在内网对象存储。容量估算要拆成显存与内存两块:显存 = 权重 + KV Cache(按并发数 × 上下文长度 × 层数 × 头数 × 2 估算),内存 = 应用堆 + 数据库缓冲 + 操作系统预留。给数字时说明假设:例如 200 并发、上下文 4K、7B INT8 模型,权重 7 GB、KV Cache 约 8~12 GB,单卡 24 GB 可以跑;若要 32B 或更长上下文,就必须多卡或降并发。最后补一句「先做 POC 压测再定采购」,比直接报一个数更专业。
跨行业业务理解怎么答。面试官问「医学业务你没接触过,怎么做业务理解」,考的是方法论而不是领域知识。可答的路径:先读行业规范与合规要求(医疗数据的分级、脱敏、留痕),再找业务方把「谁在什么场景下用什么功能、失败的代价是什么」问清楚,然后对着现有系统反推数据流与状态机,最后用一两个真实工单验证自己的理解。落到具体动作上说:画业务流程图、列名词表(同一概念在业务方和代码里的不同叫法)、把每个字段的来源与责任人标出来。
「积分计算方式是谁给你的」这类问题在考什么。它在分辨「需求是你实现的还是你设计的」。诚实回答最有价值:若规则由运营给出,就说清你怎么把规则翻译成可配置的参数、怎么处理边界(退款是否返积分、跨月是否清零、并发扣减怎么防重),以及当规则有歧义时你怎么确认;若是自己设计,就要给出设计依据与验证方式。把「实现」讲成「设计」在后续追问(为什么这么定、改过几次、数据表现如何)里必然露馅。
团队分工与规模怎么讲。说清三层:项目组多少人、按什么维度分(按业务模块、按前后端、按项目阶段)、你所在的小组负责哪几个模块、你和谁有接口依赖。能说出「我负责的三张表、五个接口、和上游谁对齐字段」这类细节,就足以证明你确实在项目里;只报人数与职位名称会被认为在背简历。
独立产品的构思逻辑要能复盘。「何小诗」这类个人项目,面试官关心的不是功能列表,而是:为什么做(发现了什么需求)、怎么定第一版范围(砍掉了什么)、技术选型的依据、遇到的具体难题与排查过程、有没有真实用户与数据反馈、如果重做会改什么。把「上线了」换成「有多少人用、留存如何、哪条路径的转化最差」会明显加分——这也是判断项目是真做过还是课程作业的最快方式。