10.23 萌力无限 AI 应用一面：模型网关、多模态视频理解与改删工具设计

《面试题目》

1. 做一下自我介绍。
2. 简历里的项目都是在实习公司完成的吗？
3. 为什么结束实习，没有继续留下来？
4. 公司主要做什么业务？有哪些产品？
5. 项目是个人完成还是团队合作？你具体负责哪些部分？
6. 详细介绍一下模型网关的架构和功能。
7. 网关是内部开发库，还是所有模型调用都会经过的统一入口？使用范围覆盖整个公司吗？
8. 如果有人不用内部库、直接调用模型接口，还能受到网关管理吗？
9. 同一个模型提供多种接口协议时，怎么区分、选择和适配？
10. 做过的工作里，有哪些比较有意思、比较困难或者值得分享的？
11. 视频切片里的「25 分钟」是什么意思？是只分析前 25 分钟，还是每个切片长 25 分钟？
12. 视频是逐帧处理、关键帧抽取，还是其他方式？
13. 除了用 ASR 识别语音，怎么理解视频画面？
14. 图片是用 OCR 还是视觉模型理解？这些处理结果最终服务于什么业务？
15. 有后端开发基础吗？
16. Docker、Git 了解到什么程度？Docker 是不是只停留在会用？
17. Docker 是什么？介绍一下它的基本原理。
18. 了解 k8s 吗？
19. 场景题：设计一个支持修改和删除的 tool，里面需要哪些参数？

《参考解析》

模型网关的价值在「统一入口」而不在封装：网关要做四件事——鉴权与配额、路由与降级（按模型能力、成本、可用性选渠道，主备切换）、协议适配（OpenAI 兼容、Anthropic、各家私有协议统一成内部契约）、可观测（token 计量、延迟、失败率、成本归因）。被追问「有人绕过内部库直连怎么办」，正确答案不是「靠规范」，而是把出口收口：模型凭据只发给网关、不下发业务方；网络层限制只有网关能出网；再留审计与告警。只做 SDK 封装而没有流量收口，治理等于没有。

多协议适配的取舍：不要在网关里做「万能转换」，那会把各家能力差异抹平（工具调用格式、多模态入参、流式事件都不一样）。可行做法是定义一层内部最小契约（消息、工具、流式事件、用量），每个 provider 一个 adapter，能力差异用 capability 声明表达，业务侧按能力而不是按模型名调用。

视频理解流水线：先讲清切片语义——「25 分钟」如果是每个切片 25 分钟，那是按时间窗切段做长文摘要；如果只取前 25 分钟，后面就丢了，这类歧义在面试里要主动澄清。处理链路上，音频走 ASR 拿带时间戳的转写，画面按镜头切换或固定间隔抽关键帧（逐帧成本高且冗余），帧上做 OCR 拿字幕与画面文字、再用视觉模型描述场景与动作，最后把三路结果按时间轴对齐融合。落点通常是内容检索、切片剪辑、审核或摘要，讲清服务对象才知道指标该看召回还是看生成质量。

Docker 与 k8s：Docker 用 namespace 做隔离（pid、net、mnt、uts、ipc、user）、cgroups 做资源限制，镜像靠联合文件系统分层复用，容器共享宿主机内核，所以它不是轻量虚拟机。k8s 做编排：Pod 是最小调度单元，Deployment 管副本与滚动更新，Service 做服务发现，配合探针、HPA 与配置密钥管理。

设计「改、删」工具的入参：场景题考的是把危险操作设计安全。至少要包含：目标定位（资源类型 + 唯一 id，别用模糊名称）、操作类型与变更内容（改哪些字段、改成什么，用白名单枚举而非自由文本）、幂等键（防重复提交）、预期版本或 etag（乐观锁，防覆盖别人的修改）、确认语义（删除要求显式 confirm=true 或二次确认票据）、权限与范围（调用者身份、可操作的数据域）、以及审计字段（原因、工单号）。删除还应默认软删并可恢复，返回结果里带操作前后快照，方便回滚与追责。