华为 AI 技术应用二面：AI 安全应用、Coding 工具与手撕交集

《面试题目》

1. AI 的安全应用怎么做？
2. 项目落地的情况如何？
3. AI Coding 工具是怎么用的？
4. 你购买过哪些大模型厂商的 coding plan？
5. 手撕：两个数组的交集。

《参考解析》

AI 的安全应用：把边界做在系统里，而不是写在提示词里

这一轮面试官问「安全应用」，想确认的是你做的 AI 功能有没有边界意识。按四层来答最清楚。数据层：检索与训练用到的数据要脱敏、按租户或权限隔离，而且权限过滤必须发生在检索之前、由服务端执行，不能把全量内容喂给模型再靠提示词要求它「不要泄露」；密钥、连接串这类凭据不进上下文，敏感字段在落库前就做掩码。模型层：提示注入是这里的主要风险，处理原则是「把外部内容永远当数据、不当指令」——网页、文档、用户上传的文件都属于不可信输入，不能与系统指令拼在同一优先级上；工具调用要有白名单与参数校验，越权判断放在服务端，模型说「调用删除接口」不等于就真的执行；输出侧再做一层敏感信息与合规过滤，防止把上游数据原样带出去。审计层：每次调用都要留痕——谁、在什么会话里、调用了哪个工具、命中了哪些数据、产出了什么，出问题能回溯到具体请求，这也是很多合规评审的硬要求。兜底层：高风险动作（写操作、对外发送、涉及资金或权限变更）要人工确认、可回滚，并配速率与预算上限，防止被刷或失控烧钱。

如果被追问优先级，可以给一个落地顺序：先只读后写、先内部后对外、先单人可用后多租户，权限按最小化给，能用系统能力拦住就不要依赖模型自觉。这句话基本就是这一层想听的结论。

项目落地与 AI Coding：用证据讲，而不是用架构图讲

「项目落地」在面试里问的是有没有真实上线过的证据，答题骨架用「问题—方案—取舍—结果」四段：先说清业务问题与原来的做法（人工多久、错多少），再说方案里真正由你负责的部分，然后讲取舍（为什么不用另一个更贵的方案、性能与成本的权衡点在哪），最后给结果——覆盖多少用户或请求量、指标变化（失败率、耗时、人工介入率）、遇到最难的问题是什么、有没有回滚过。只画架构图会被追问「上线了吗、有多少人在用」，答不上来前面就白讲了。

AI Coding 的部分要讲成工作方法而不是工具清单：需求拆解、读陌生代码、写样板与单测、排查日志各用什么工具，怎么防幻觉（先让它复述约束和影响范围、要求给出处、生成的代码必须过 lint 与测试和人工评审），哪些活绝不交给它（权限、资金、数据删除，以及没有测试覆盖的历史代码）。购买 coding plan 这个问题考的是「你是不是真的在用、有没有成本意识」：可以答自己在用的订阅或额度、按任务复杂度分配模型（简单改动用小模型或订阅额度内的模型，长上下文和复杂推理才用贵的），以及团队里订阅制与按量计费各自的适用场景——高频日常开发用订阅更划算，偶发的大任务按量更可控。把额度上限和降级策略一起说，会显得你见过真实账单。

手撕两个数组的交集：先确认口径，再写代码

这道题看着简单，真正的分水岭是先问清三件事：结果要不要去重、数组是否已经有序、是否允许重复元素出现。口径不同解法不同。要求结果唯一且数组无序，用哈希集合：把较短的数组放进 Set，遍历另一个数组判断是否命中，命中就加入结果集合，时间 O(m+n)、额外空间 O(min(m,n))，这是最通用的写法。数组已排序且要求结果有序唯一，用双指针更优：两个指针同步推进，相等就写结果并跳过后续重复值，不相等就移动较小的一侧，时间 O(m+n)、额外空间 O(1)。如果允许保留重复（求交集的多重集），双指针时每命中一次只移动一个指针，或者用哈希计数记录每个值的出现次数再取最小值。

写的时候注意几个边界：任一数组为空直接返回空；返回顺序若无要求就用 Set 或先排序，若有要求要明确说明；语言层面注意 Set 的遍历与 add 返回值能不能顺手做去重。写完主动跑一个含重复元素的例子，再报一次复杂度——面试官在这类题上往往更看重「边界与口径是否自己想到」，而不是能不能背出哈希表。