腾讯混元AI产品实习二面面经

《面试题目》

1. 混元平台如何构筑非技术性壁垒，应依靠生态、数据还是服务？
2. 如何把长文本功能抽象为平台级能力，设计 API、计费单元和性能 SLA？
3. 如何设计覆盖训练、微调、评测、部署和服务的一体化 AI 开发平台？
4. 高并发长文本请求与训练任务争用 GPU 时，如何制定调度和优先级？
5. 如何在一年内把单位成本降低 30%，各方向有什么体验风险？
6. 多步 Agent 任务失败时，如何区分 Prompt、模型、工具和逻辑问题？
7. 如何在模型效果、速度、成本和开发者体验之间做客户分层？
8. 除云券外，如何激励并留住高质量开发者？

《参考解析》

1. 平台壁垒：技术会趋同，平台可通过腾讯生态分发、稳定 SLA、数据闭环、完善工具链和行业解决方案形成组合壁垒，重点是持续降低开发者交付成本。
2. 平台 API：接口应明确输入输出、异步任务与流式返回、错误码和幂等键；计费按 token、调用次数或 GPU 时长等可解释单位计算，并用延迟分位数、可用性和吞吐量定义 SLA。
3. 资源调度：在线请求优先保障尾延迟，训练任务采用配额、抢占和错峰策略；为不同租户设置公平队列与预算上限，避免单一客户耗尽集群。
4. Agent 归因：记录每一步 Prompt、模型版本、工具入参出参和状态转移，结合自动规则与人工抽样标注，才能把失败定位到可修复的环节。