联宝科技 AI 应用开发 AI 面：行为面连环追问与 RAG/提示词八股

《面试题目》

1. 自我介绍。
2. 你的籍贯是哪里？为什么选择联宝？你对薪资有什么样的期待？
3. 你有没有哪次需要把同一件事讲给好几拨人听？当时怎么针对不同对象分别沟通说明的，最后达成了什么效果？
4. 在简历上的 Agent 项目中，你如何从四个维度做决策，并设计置信度传播和回测验证？能具体说说某次在杂乱数据中识别关键问题，拆解分析并得出可落地结论吗？
5. 你设计了多 Agent 架构、置信度传播和自适应权重系统，并用回测引擎跟踪建议表现。这套机制在实际运行中有没有哪次帮你识别出某个关键问题并推动具体决策调整，最终落地的结果是什么？
6. 你之前说过用这个多 Agent 系统分析某个股票后决定观望、躲过了大跌，我想进一步了解当时系统输出了哪几个关键信息和数据点，让你判断出价格太高、风险太大？
7. 能分享一次工作或者学习中你主动优化了哪些方法和经历吗？具体做了什么，结果如何？
8. 你自学了记忆模块相关方法并结合业务做了优化，这个优化之后模块的实际表现或使用效果发生了哪些变化？
9. 科技的发展日新月异，你一定主动学习过看似和工作无关、但后来帮到你的知识技能吧，能举个印象深刻的例子聊聊吗？
10. 能展开说说，在做自媒体过程中你学习了哪些技能，最后达到了什么水平？
11. 在这过程或者其他场景中，你这两年中是否经历过工作或学习中的低谷期？能具体说说当时的情况、你的应对方式和最终结果吗？
12. 你连续三段实习投递量很大，最终进入了不错的公司并且有不错的产出。在投递屡次未果、面试反复受挫的过程中，你当时具体做了哪些事持续推进这件事？
13. 指令微调在大语言模型产品中的作用是什么？
14. 请解释一下，智能体在回复用户问题前，为什么要先判断是否需要调用外部工具？
15. 在构建用于 RAG 系统的知识库时，为什么需要对知识内容进行版本管理？请简要说明其主要目的。
16. 在提示词工程中，我们常常通过设计示例来引导模型生成更符合预期的输出。请你简要说明，在设计这类示例时，为什么要包含输入和对应的理想输出？它的主要作用是什么？
17. 在构建一个用户评论情感分析功能时，为什么通常会选用监督学习而不是无监督学习？
18. 给了几段英语，要求清晰大声朗读出来。
19. 给了一个英语题目，要求用英语回答。
20. 英语听力考四道题。

《参考解析》

AI 面怎么运作：结构化提问 + 针对性追问 + 转写后打分。 这类 AI 面通常由虚拟面试官按脚本出题，语音转文字后由模型按维度（内容完整性、逻辑结构、表达流畅度、与岗位匹配度）打分，行为题还会做 STAR 要素点检。真正的杀招是追问链：系统会沿着你上一题自己透露的信息继续挖，所以原帖里第 3、4 题是同一道题换角度重问（向不同人解释同一件事），第 4、5、6 题是围绕同一个多 Agent 项目层层加码，第 11、12 题问的都是抗压与自驱——这是在用多个角度交叉验证同一段经历的真实性。应对方式只有一条：讲真事、给具体数字、前后口径一致；一旦某题的回答和前面的细节对不上，分数会掉得比答不出更狠。另外 AI 面不会给你澄清的机会，所以答题要「先给结论、再给结构和结果」，宁可说得慢也不要跑题。

多 Agent 项目的答法：把「四维度」当场展开成可检验的设计。 被问到「如何从四个维度做决策」时，第一句话必须先把这四个维度报清楚，再讲权重怎么定（人工先验、历史回测拟合还是等权），最后讲结果怎么聚合。置信度传播要说清是加权平均、投票还是贝叶斯更新，并且要能回答「置信度怎么校准」——用可靠性曲线或 Brier 分数看模型报出的 0.8 是否真的对了八成，否则置信度只是好看的分数。回测验证最容易被追问的是过拟合：样本外验证、滚动窗口、严格避免未来函数（用了当时还拿不到的数据）、以及交易成本与滑点是否计入。能主动说出这些，比堆砌「多 Agent、自适应权重」这类名词有效得多。

自适应权重与股票决策类追问的坑。 「权重自适应」如果是在同一段历史上反复调，本质是在拟合噪声，面试官会追问「你怎么知道它真的有效」。正确答法是区分「在线更新的参数」与「定期重训的模型」，并给出一个冻结期做验证；同时说明决策输出的不止方向，还有赔率与风险，所以「观望并躲过大跌」要能落到具体指标上——比如当时估值分位、量价背离、波动率抬升这几条信号各自触发了什么阈值。答不上具体数据点是很典型的扣分点：简历上写了「回测引擎跟踪建议表现」，就必须记得住回测指标（胜率、盈亏比、最大回撤）大概的量级。

行为面的三个高频内核：自驱、抗压、一致性。 「主动优化过什么方法」「学过看似无关但帮到你的知识」「低谷期怎么过」「投递屡次未果怎么坚持」问的都是同一件事——遇到没有外部指令、也没有短期反馈的阶段，你会不会自己往前推。答法用「背景 → 我做的具体动作 → 可量化的结果 → 复盘」四段，动作要具体到能复现（比如把面试失败按技术面、行为面、简历三类归因，再逐类补），结果尽量给数字。不要在两题里给同一段经历编出不同的数字，也不要只讲心态不讲动作。

指令微调的作用与边界。 指令微调（SFT）是把一个只会续写的基座模型对齐成会听话的助手：用「指令 + 理想回答」的数据让模型学会遵循格式与任务范式，比往提示词里堆规则更稳定、更省推理时的 token，成本又远低于继续预训练。它的边界要说清楚：SFT 主要教格式与行为，对注入新知识的效率很低（这部分靠 RAG 或继续预训练），对「什么不该说」也只能靠偏好对齐（RLHF/DPO）补；数据质量比数量重要，几百条高质量样本常常胜过几万条噪声；风险是灾难性遗忘（通用能力下降）、过拟合到样本措辞、以及评测集泄漏。生产上的做法是保留一份独立评测集，每次微调前后都跑一遍回归。

为什么智能体要先判断是否调用外部工具。 工具调用不是免费的：一次调用带来额外延迟和 token 成本，参数生成错了会产生副作用，无谓调用会把无关内容灌进上下文、干扰后续推理，涉及写操作还要考虑权限与幂等。所以工程上要在模型前面加一层路由——规则（明确的关键词与场景）优先、分类器兜底、实在不确定才让模型自己选工具（function calling 的语义就是让模型输出结构化的调用意图）。配套要求是：只暴露当前场景需要的工具、工具必须幂等且带超时、失败要有降级路径（拿不到实时数据就明说，而不是编一个值）。

RAG 知识库为什么要做版本管理。 知识库的文档会更新，而索引、切分、embedding 都会随之变化，没有版本就会出现三种事故：答案是旧的（文档改了但索引没重建）、引用对不上（给用户的出处链接已失效或内容已变）、以及效果退化无从归因（检索质量变差时不知道是哪次更新造成的）。版本管理的直接目的是可追溯与可复现：每次入库记录文档版本与切分策略，线上回答能定位到具体版本；支持增量更新与回滚；并用评测集（召回率、答案正确率）对比新旧版本再决定是否切换。顺带一提，权限也是版本维度之一——同一份文档对不同角色可见范围不同时，检索阶段就要过滤，不能靠模型事后判断。

提示词示例为什么要同时给输入和理想输出。 few-shot 的本质是在上下文里做条件化：模型从示例中推断任务的输入分布、输出格式和判断标准。只给输入不给输出，模型拿不到「这个任务期望的答案长什么样」；只给输出不给输入，模型不知道什么样的输入对应它。输入侧决定覆盖度——要把边界样例（容易混淆的类别、格式不规范的输入）放进去；输出侧决定格式与风格——示例里输出长什么样，模型大概率就照着写。需要注意的是示例的一致性（互相矛盾的示例比没有示例更糟）、数量与长度对上下文预算的挤占，以及示例与真实请求的相似度，必要时改用动态检索相似示例而不是固定几条。

情感分析为什么用监督学习而不是无监督。 情感分析有明确的标签定义和可度量的目标，标注数据又相对容易获得，监督学习能直接优化准确率/F1，输出稳定、可解释、推理成本低，还能按业务口径微调（「差评」和「语气不好但会复购」不是一回事）。无监督方法（聚类、词典规则、主题模型）不需要标签，适合冷启动和探索，但簇的划分与业务标签不对齐，也无法直接给出置信度，落地时还得人工映射一遍。补充一点会加分的判断：现在还有第三个选项——用大模型做零样本或少样本分类，适合标注数据极少、类别定义经常变的早期阶段，但成本、延迟和一致性都要评估，而且仍然需要一个标注集来验证。

英语环节与备考建议。 朗读考的是发音清晰度和流利度，标准是「听得懂、不卡顿」，不是口音漂亮；英语作答通常给一个开放话题（自我介绍、为什么选这家公司、介绍一个项目），考察即兴组织能力，准备时按「观点 → 一个例子 → 一句总结」的骨架练几遍即可；听力四题一般接近四六级水平，靠短时记忆抓关键信息。整体策略是「宁可说满、不要沉默」——录音没有追问机会，停顿和心理补白都会被算作内容缺失。原帖的时间线是 9 月 8 日投递、10 月 10 日测评、10 月 13 日 AI 面，测评到 AI 面之间隔了三天，可以据此预判节奏、提前把环境（网络、麦克风、安静房间）准备好。