云览科技 AI 产品经理面经：B 端智能体与问答效果深挖

《面试题目》

1. 请先做一个自我介绍。
2. B 端 AI 智能体产品是以客户定制为主，还是沉淀平台通用能力？
3. 实习期间的主要工作更偏向平台迭代还是客户定制交付？
4. 问答模块的召回率和准确率表现差，是在什么业务场景暴露的？定位到哪些根因？
5. 在问答效果优化这件事上，你个人具体承担了哪些工作？
6. 请讲一个具体的业务案例：遇到什么问题、如何分析、如何推动落地解决。
7. 如果缩减召回片段的数量，依据是什么？如何保证删减后不会丢失关键信息？
8. 优化完成后，效果指标大概提升多少？
9. 这份实习的主要工作内容是什么？
10. 文生图创作社区为什么要做私信功能？需求来源和用户核心价值是什么？
11. 私信上线之后，该功能自身的使用数据情况如何？
12. 提到社区活跃度提升，这里的活跃度具体是什么指标口径？
13. 请挑一个项目介绍（如跨境电商合规检测获奖项目），说明你的角色与核心工作。
14. 多国家商品合规校验如何保障检测可靠性？数据来源有哪些？
15. 举例说明项目用到的公开数据库。
16. AI 智能体做合规判断这部分，是你负责还是团队其他同学实现的？

---

《参考解析》

这类面的主线是「贡献边界」，每个项目都要能拆出你个人的那一块。 面试官反复用三种问法确认同一件事：你个人承担了哪些工作、某部分是你负责还是别人实现、指标提升了多少。他要确认的不是项目有多大，而是你在里面占了多宽的切片。稳妥的讲法是先把项目拆成三层——我独立负责的、我参与协作的、我只提供方案由别人实现的——每层都用具体产物锚定（我写的哪份评估集、我改的哪个策略、几点上线、指标从多少到多少）。凡是团队产出就明确说「这部分是同事做的，我负责的是上游的评测口径」，比含糊地圈成自己的更可信，因为追问两层就会露底。反过来，把「我提了方案」说成「我做了实现」，是这类面里最容易翻车的一处。

B 端 AI 智能体：定制还是平台，答案要带判据而不是选边。 一边倒答「全做定制」显得没有复用意识，答「全沉平台」又脱离了 B 端交付现实。可用的框架按两层拆：平台层放那些换客户也不用改的东西——模型接入与路由、工具/插件框架、知识库接入与检索链路、会话与权限、日志与评测；定制层放行业规则、客户数据源对接、字段映射、审批流程和界面话术。判据是「复用次数 × 变更频率」：多个客户都要动的沉平台，只有一家特有的留定制。再补一句演进策略：定制项目里重复出现三次以上的需求才回收成平台能力，避免为单个客户提前抽象出一堆没人用的配置项；同时平台层的接口要允许定制层覆盖，否则第一个特殊客户就会把架构掰弯。

问答效果差怎么定位：先把「召回不到」和「召回没用上」分开。 这两个问题经常被混成一个「准确率低」。判断办法是拿一批 badcase 逐条看检索结果里有没有正确答案：命中但答错，问题在排序、上下文拼接或生成环节；压根没命中，问题在数据、切分或召回策略。定位沿链路分段走——数据是否真的入库、解析有没有丢表格和附件；切分粒度是不是把一段完整说明拆散了；纯向量检索对专有名词、型号、数字不敏感，要补一路关键词或 BM25 做混合召回；有 rerank 的话看正确段落是被排到后面还是被过滤掉；最后看上下文有没有被长度截断、系统提示有没有约束「证据不足要拒答」。指标口径也要亲手定：命中率@k、正确段落排名、答案正确率、引用准确率分开统计，先给出基线再谈提升，别用一个笼统的「准确率」把环节差异盖住。

「缩减召回片段数量」的依据是什么。 面试官问这句，考的是你有没有把「砍上下文」当成一次可验证的改动而不是手感调参。依据一般来自三处：rerank 分数的分布（大量低分片段只是在稀释上下文）、引用命中统计（模型真正引用了哪些片段）、以及分层评估集上的回归结果（砍掉之后哪一类问题掉点）。上线前要按问题类型分层看召回率变化——事实型问题对片段数量敏感，而宽泛的咨询类问题反而受益于更短的上下文；如果只有整体均值不变、某一类明显掉点，就说明砍法不对。另外片段数量减少通常换来的是延迟下降与指令遵循变好，这两项也要一起报，才算完整的取舍说明。

效果指标怎么报才站得住。 三件套：绝对值加相对值、口径加样本量、基线加排除项。例如「命中率@5 从 62% 提到 78%（离线评估集 300 题，人工标注）」，比「提升了 16 个点」可信得多。要主动区分离线评测与线上业务指标：离线的正确率提升不必然带来线上的采纳率或工单下降，中间还隔着用户是否信任答案。如果只做了离线，就照实说只做了离线，并说清下一步怎么在线上验证（灰度、A/B、埋点看采纳与追问率）。

功能需求题答「价值假设 + 验证指标」，别只讲理由。 被问「为什么要做私信」，完整回答包含四段：需求来源（用户访谈、站内路径数据、竞品形态里看到的行为）、要解决的用户问题（创作者与粉丝之间围绕作品的沟通在当前链路上断在哪）、价值假设（沟通沉淀为关系、带动复访与内容生产）、验证方式与成功指标（私信渗透率、会话打开率、私信用户的次留与互动率对比）。追问「上线后数据怎么样」时，如果功能刚上线，就说明观察窗口与当前数、以及你打算在多长时间、用什么口径判定它成或不成——承认还在观察期比编一个数字安全。

活跃度口径是一道送分题，也是送命题。 面试官问「你说的活跃度具体是什么口径」，本质是查你有没有自己定义指标的习惯。答的时候把公式写出来：DAU/WAU、互动率 = 当日有互动行为的用户数 / DAU、内容生产消费比、私信渗透率，并说明去重规则（同一用户多次行为算一次）、排除项（内部账号、机器流量、被动曝光）和统计周期。如果口径中途改过，要说明改的原因和切换时点，否则趋势不可比。顺带说清哪个指标是你的北极星、哪个只是过程指标，能显示出你不是照抄后台报表。

合规类项目的可靠性怎么讲。 多国家商品合规校验这类问题，可靠性来自三层而不是单靠模型：规则来源要版本化（各国法规、海关与监管机构公告、平台自身规则分开维护，标注生效日期与失效日期）、判定要可解释（每条结论指回具体的规则条款与数据来源，模型只做理解与匹配，不负责记规则）、结果要分级（高置信直接给结论，低置信转人工复核，并把人工结论回流成新的评测样本）。被追问数据来源时，除了公开数据库，还要说明人工维护的部分怎么保证不腐坏——定期复核、变更订阅、以及规则更新后的回归测试。至于「这部分是不是你做的」，照实回答分工即可，把「我负责的是规则建模与评测口径」讲清楚，比模糊地领功有用。

竞赛项目的讲述要点。 面试官问「用到了哪些公开数据库」，是想确认技术方案不是纸面推演。准备时把用过的数据源按用途列清：编码/关税类（商品与税则编码体系）、监管准入类（各国准入与认证数据库）、企业与商品标识类（统一标识与工商信息），并说清各自的覆盖国家、更新频率与接入方式（API、批量导出、人工整理）。同时点出这套方案的边界——公开数据覆盖不到的部分怎么兜底，这比罗列库名更能说明你真的做过。