帆软终面面经：全程被打断的压力面

《面试题目》

1. 你怎么理解这个岗位？
2. 挑一个你实习项目里提到的技术名词，讲讲它具体是怎么工作的、工作流怎么跑起来。
3. Dify 是你自学的，还是学校课程教的？
4. 为什么做 RAG，不直接微调？
5. 你做过最难的事是什么？
6. 最失败的事是什么？
7. 压力最大的事是什么？

原帖末尾是反问环节：问了公司业务（知识库、AI 客服、数据看板），以及「到岗前对产品场景和业务方向有什么可以提前了解的」。

《参考解析》

为什么用 RAG 而不是直接微调

这是整场面试里唯一一道真技术题，值得答满。核心逻辑是：RAG 改的是「模型能看到什么」，微调改的是「模型怎么说话」，两者解决的不是同一个问题。

• 知识时效性：业务知识库每天都在变（客服话术、产品文档、工单）。RAG 只要更新向量库，分钟级生效；微调要重跑训练、重新评测、重新发布，成本是小时到天级。
• 事实归因与溯源：客服、审计这类场景要求答案可追溯。RAG 能把命中的原文片段一起返回，用户能点开看；微调把知识揉进权重里，说不清依据，出了问题无法定位。
• 成本与门槛：RAG 不需要标注几万条高质量问答对，也不需要 GPU 训练资源；微调一次的数据清洗 + 训练 + 评测链路就要人力和算力，迭代一轮的成本远高于换 embedding 模型或调分块参数。
• 知识的权限与隔离：RAG 可以在检索层按租户/角色过滤，同一套模型服务多个客户；微调做不到「同一份权重里按用户切知识」。
• 幻觉与遗忘：微调在小样本上容易过拟合，还会带来灾难性遗忘，把通用能力带坏；RAG 的错答更多是「检索没召回」，好定位也好修。

反过来也要说清楚什么场景该微调，这样才不像背答案：需要固定输出风格/格式（比如严格 JSON、特定话术模板）、需要领域黑话和简写（模型不认识的自造词）、需要把大模型蒸馏成小模型降本降延迟、或者任务本身是分类/抽取这类判别式任务。工程上常见的是两者结合：先用 LoRA 把格式和领域语感调稳，再用 RAG 补事实。

Dify 的工作流到底怎么跑起来的

Dify 是 LLM 应用编排平台，工作流（Workflow / Chatflow）本质是一张 DAG，运行时按节点依赖依次执行。讲清这条链路就够了：

1. 开始节点声明输入变量（用户问题、会话变量、上传文件）。
2. 参数提取 / 问题改写节点把用户口语化的问题整理成检索 query（多轮对话里还要做指代消解）。
3. 知识库检索节点：chunk 文本 → embedding → 向量检索 top-k → 可选 rerank 重排 → 拼进上下文。这一步决定了答案上限，分块大小、重叠长度、top-k、相似度阈值都是要调的参数。
4. LLM 节点：prompt 模板里注入 {{context}} 和 {{query}}，把检索结果和系统提示一起发给模型；可以配 temperature、最大输出长度、是否结构化输出。
5. 条件分支 / 迭代 / 代码 / HTTP 请求节点：做意图路由（FAQ 直答 vs 走大模型）、批量处理、调外部接口。
6. 结束节点输出最终回答，并把引用来源一并返回。

运行时层面，节点之间靠变量池传值，会话变量在同一个 session 内持久化；一次请求会落一条 workflow run 记录，每个节点的输入输出都能回放，这就是它做调试和可观测的方式。部署形态一般是 API 服务 + 异步任务队列 + 关系库 + 缓存 + 向量库，长任务走队列异步执行。

「最难 / 最失败 / 压力最大」这三题怎么答

原帖里这三题的答法是被面试官逐条打回的：「做工作流重做了很多版方案」被打回「这不是很正常吗」，答「时间长、成本高、效果差」又被回「还是没理解」。问题不在事实，在缺了你的判断和归因。这种题的标准结构是：

• 背景与目标（一句话，带量级）：要解决什么问题，成功标准是什么。
• 你面对的真实约束：时间、人力、上下游依赖、技术不确定性。约束越具体，「难」才成立。
• 你的决策点：为什么选 A 不选 B，当时放弃了什么。这是面试官最想听的部分。
• 结果与代价：量化结果（上线时间、效果指标、返工次数）。
• 复盘：如果重来一次你会怎么做（提前对齐需求、先做技术验证、把方案评审前置）。复盘才是「失败」题真正的得分点——把它说成「正常流程」等于告诉面试官你没反思。

被频繁打断时怎么不崩

这类面试官的打法是不断打断、质疑、让你「再练练」。可操作的三条：

1. 先给结论，再给论据。被打断往往是因为铺垫太长。用「结论 + 三条原因」的结构，三十秒讲完主干，对方有兴趣再展开。
2. 答反问时不要反向质问。被质疑「没感觉哪里压力大」时，正确动作是换一个更具体、更可验证的例子（具体到某天、某个阻塞、你做了什么动作），而不是去论证对方「不理解业务所以没感觉」。
3. 提前设一个止损点。如果对方全程不给展开空间、明显不打算了解业务背景，这场面试的信息量已经拿够了，把反问环节用来确认关键事实（业务方向、团队规模、岗位职责），别浪费在情绪上。

反问环节怎么问

原帖的反问是「到岗前对产品场景和业务方向有什么可以提前了解的」，得到的是「没什么需要了解的，面试通过以后我再告诉你」——这类问题把主动权完全交给了对方，得到的也常是敷衍。更有效的问法是把问题落到可验证的事实上：这个岗位入职后前三个月负责什么模块、团队现在多少人、业务是自研还是交付项目、有没有正在推进的技术改造。这些问题对方很难用一句话打发，你也能真的判断要不要去。