顺丰 AI全栈开发 终面：HR 面怎么答离职原因、AI 成本与职业规划

《面试题目》

实习经历与自我认知

1. 请先做一下自我介绍。
2. 介绍下实习的团队规模、分组分工，以及你在团队里承担的角色？
3. 上下游业务是什么，你日常负责哪些工作？
4. 这段实习接近 3 个月，你是怎么快速上手工作的？
5. 实习中你觉得最有成就感的事情是什么？
6. 在这件事里遇到了哪些困难，如何攻克的？
7. 学校做项目和企业工程实践，你觉得最大区别是什么？

稳定性与职业选择

8. 实习拿到留用意向，为什么不选择留在那里？
9. 为什么不想留在北京？理想的工作与生活状态是什么样？

学习方式与技术判断

10. 新技术迭代很快，你是用什么方式快速学习新技术？
11. 分享一些你了解的前沿技术、模型迭代和应用。
12. 结合实习经历，前沿 AI 技术会给企业 AI 应用带来哪些影响？
13. 企业使用 AI 成本很高，你过往使用 AI 时，如何把控使用性价比、控制 token 开销？
14. 你了解顺丰的主要业务，你觉得和你的经历匹配度如何？

反问

15. 公司内部对 AI 使用是什么态度，新人使用 AI 有没有鼓励或者限制？
16. 想了解一下深圳这边的工作生活体验？
17. 终面面试结果大概多久可以出来？

《参考解析》

HR 面的实习题不是让你列任务，是让你证明「贡献可以被归因」。 团队规模、分组、你的角色、上下游，这四问连起来其实在验一件事：你说的事是不是你干的。答题顺序建议固定成「团队位置 → 我负责的那一段 → 我和上下游的接口 → 结果数字」。上手快这个问题不要答「我学习能力强」，答机制：先读文档和代码主干把领域模型画出来、找一位同事做固定答疑、用一个小需求（最好是有测试覆盖的那种）在两三天内跑通完整链路、把踩到的坑写成文档沉淀下来。成就感那题必须带可验证的结果，比如「把某条链路的耗时从 X 降到 Y」「把一个每周要人工做两次的操作自动化掉」，然后困难题顺着同一件事讲，别换成另一件——HR 会拿两题对照，故事不一致是最常见的减分点。

「为什么不留下」考的是决策逻辑是否可复述，不是忠诚度。 安全的答法只有一种结构：感谢 + 明确的取舍标准 + 与新公司的关联。比如「那段实习让我确认了自己想做 AI 应用落地而不是纯研究，留用岗位的方向是 A，贵司这个岗位是 B，B 更接近我想积累的能力，所以我选择出来看」。要避开的坑：不要说前东家任何负面（哪怕是真的）、不要说「想换个环境」这种没有信息量的话、更不要把原因全推给外部（户口、地点、薪资）。「为什么不想留北京」是同一道题的变体，正确姿势是把「不想」翻译成「要」：你想要的是某类业务密度、生活成本结构或长期定居计划，北京满足不了其中哪一条。答完立刻补一句「所以我重点看深圳/杭州的机会」，让面试官确认你不是在挑城市而是在挑长期落点——HR 最怕的是入职三个月因为城市原因走人。

学习方式要给「输入源 + 输出物 + 判据」，不要给态度。 一个能复述的版本是：输入源分三层（一手资料：论文、官方文档、release note；二手：高质量工程博客与源码；三手：社群讨论只用来发现线索），输出物是每周一篇内部笔记或一个能跑的最小 demo，判据是「能不能用自己的话讲清它的边界与代价」。前沿技术那题不要背名词，挑两三条你真正动过手的讲：模型侧讲能力边界的变化（长上下文、工具调用、推理模型把「想」和「说」拆开）、工程侧讲它带来的新问题（上下文成本、评测、幻觉兜底）。被追问细节时宁可在自己熟悉的范围内往深走，也不要铺开五个方向各说一句——HR 面也会被转给技术面试官看。

AI 成本题要落到口径和取舍，不能只说「我很省」。 先把成本拆开：一次调用的钱 ≈ 输入 token × 输入单价 + 输出 token × 输出单价，输出单价通常是输入的数倍，所以「控制输出长度」的收益最大；再乘上调用次数和重试次数，企业场景里重试和无效调用经常比单次价格更贵。可讲的手段按收益排序：把稳定不变的前缀（系统提示、工具定义、few-shot）做成可缓存的固定前缀，命中缓存能砍掉大部分输入成本；按任务难度做模型路由，简单分类、抽取走小模型，只有需要推理的才上大模型；用结构化输出加 schema 校验，把「格式错→重试」这类纯浪费消掉；批处理与离线预计算替代实时调用；给每次调用设 max tokens 与轮次上限；最后一定要有 eval 集，否则降本降的是质量而你不知道。收尾给一句判断：省成本的正确顺序是先砍无效调用、再砍上下文、最后才动模型档位，反过来的顺序通常会把效果打穿。

匹配度题的关键是「你了解这家公司到什么颗粒度」。 顺丰的主业是时效快递与供应链，AI 在这里的落点很具体：路由与时效预测、分拣与中转场的视觉识别、客服与工单、快递员的路径与揽收调度、以及内部研发效率。答题时挑一条和自己经历能对上的讲，比如做过 Agent 或工具调用，就对到「客服/内部知识问答这类需要调用真实业务系统的场景」；做过数据处理，就对到「时效与路由的特征工程」。不要泛泛说「物流很重要、AI 很有前景」。反问挑三类最有信息量的问：AI 使用政策能听出团队的技术文化与新人可用的工具边界，工作生活体验能听出加班与驻场情况，出结果时间能听出你在流程里的位置——但反问不要超过三个，也不要拿「有没有加班」直接问，用「团队平时怎么协作、节奏大概什么样」更得体。