科大讯飞 AI 全栈二面：实习改造、AI 提效度量与职业规划

《面试题目》

实习相关

1. 自我介绍。
2. 为什么选择这家公司，而不去选择一个更对口的？
3. 团队规模是怎样的？怎么分工的？为什么是你做全栈工作？
4. 可以举一个具体做的改造工作吗？这期间有没有遇到过什么技术挑战？
5. 项目有使用 AI 吗？有评估过用 AI 会提效吗？
6. 你 5 月份实习结束怎么没有去暑期实习？是实验室比较忙吗？

项目相关

7. 这个软件是个人项目、实验室合作项目还是导师想做的？
8. 目前这个软件有上线使用吗？实验室使用的效果怎么样？
9. 你们几个人做这个软件？怎么分工的？
10. 你们模型是调的公有云还是私有部署？用的什么模型？
11. 是借助 AI 从 0 到 1 开发的吗？
12. 这个健身软件是出于什么做的？是谁提出的？

其他

13. 平时一般关注哪些新技术？
14. 有去读过 deepseek harness 的源码吗？
15. 你后续的职业规划是什么，是想做 agent 还是想做互联网业务？
16. 我们 base 是在合肥，你这边明确吗？

《参考解析》

这一轮考的是「经历是不是真的、深度够不够」：面试官把同一个项目从来源、分工、上线情况、模型部署、谁提出的动机几个角度反复问，是在做交叉验证——细节对不上、数字前后矛盾，比技术答错更致命。准备时的办法很简单：给每个项目写一张事实卡，包含人数与各自负责的模块、代码量与迭代周期、上线给谁用、每天多少调用、花了多少钱、出过什么故障，背到随口就能说。

「为什么是你做全栈」其实在问责任边界：小团队里全栈不是「什么都会」，而是没有人为这条链路兜底时你来兜。答法是划清你负责的模块与决策（前端页面、接口、部署脚本），说清你怎么和算法同学对齐输入输出，以及哪些部分你只做集成不做改动。含糊地说「因为人少」会显得你只是被安排，而不是接住了责任。

改造工作用「前后指标 + 你的判断」讲：改造前是什么状况（接口 3 秒、每天人工导一次数据、部署要手改配置），你做了什么（加缓存、改批处理、上 CI），结果如何（P95 从 3 秒降到 400 毫秒、部署从 30 分钟到 5 分钟），中间最难的一步和代价是什么。技术挑战别挑最难的讲，挑你能讲透因果的——能被追问三层还不崩，比听起来高大上重要。

AI 提效要能给出度量方法，而不是「感觉快了很多」：可行的口径是同一类任务的前后对比——写单测、写 CRUD、改老代码、写文档各花多少时间，返工率和 review 意见数有没有变化，缺陷密度有没有变差。也可以做分组：一组纯手写、一组用 AI 生成再改，记录完成时间与修改行数。要主动提风险：生成代码的可维护性、依赖过时 API、以及评审成本被转移到资深身上，这说明你是在工程视角看它，而不是在追热点。

为什么没去暑期实习：说事实、给判断、别甩锅：实验室项目在关键期、导师安排、或者当时判断这家更对口，都可以，但要补一句你如何权衡以及事后看是否值得。反问式地把责任推给实验室或导师，会让面试官担心你入职后的稳定性。

规划与 base 这题答的是「匹配度」，不是抱负：被问做 agent 还是做业务，先给判断依据（哪类问题你更擅长、这个岗位两者的比例），再说你未来两年想补的能力。「先做传统全栈再转 agent」是稳妥答法，但要把路径说清：先把业务链路的稳定性、数据与评测做扎实，再往模型编排与效果优化走。没读过 deepseek harness 源码就直说没读过，然后讲你读过什么、理解到什么程度——硬撑一旦被追问实现细节就崩。base 明确就明确答，含糊会被当成随时会走。