25双非 AI大模型应用面试1 复盘+知识点总结
本人背景
广州双非，软件工程大四
两段外包实习，在FastGPT平台（类似coze/dify）上做过企业级智能体工作流应用
面试公司
广州悦信无线科技 自研产品 100-500人
AI大模型开发工程师
10-15K 13薪 双休
状态
5.19 一面
5.27 一面已挂
面试评价：等了面试官20min+，面试时间30min，面试官态度一般，比较慵懒，不会问过往项目
一面
-
还在实习中为什么寻找更好的机会
答：不想做外包 要出差接客户对需求hhhh -
设计一个推荐系统
反问：
具体应用场景——电商
要用到大模型吗？——都可以答：首先考虑数据源，也就是库表，假设最简单的商品表，用户表，交互信息表
核心是计算相似度分数，按照业务需求设计各个数据的权重
第一种，打标签+计算相似度算法 比如最短编辑距离 jaccard相似度
第二种，机器学习相关的算法处理，难量化涉及到语义理解的数据向量化，利用机器学习算法计算相似度，比如cnn 向量机（协同过滤没太了解没说 我觉得推荐算法都按照协同过滤思路说就行）
第三种，大模型完成其中的某个链路，比如向量化，比如语义理解打标
最后返回TOP N -
如何识别用户意图进入智能体系统的不同工作流
答：设计提示词 用一个分类大模型专门处理
更推荐前端做好模块功能划分节省时间 -
微调Fun-tune有了解过吗
答：了解过没做过，只知道SFT和RLNF这些概念，要用python那一套。认为对于企业大模型应用开发来说不是很划算，倾向于RAG -
说说RAG答：数据etl ➡️ 分块chunk ➡️ embedding模型嵌入向量数据库 ➡️ 用户问题转换成向量化输入 ➡️ 设置检索模式 ➡️ 根据相似度返回TOP N ➡️ 可以选择ReRank重排模型
-
让你做一个chat2sql 说说思路（可以使用自然语言进行数据库操作的插件）
答：用户输入自然语言➡️大模型优化成结构化自然语言➡️大模型转换成sql语句➡️自定义advisor拦截器预防sql注入等安全问题（交给大模型语义识别也可以）➡️提供数据库交互接口 制定好入参规范（也可以直接在这一层做业务限制 一般推荐只能查）根据入参规范编写提示词
然后当然推荐用现成的项目或者mcp服务改改 -
了解dify那些大模型云服务吗
答：用fastgpt、coze比较多，dify不太了解，这几个大模型应用开发平台的订阅制和买断制也说了下 -
本地部署过大模型吗
答：通过ollama部署过qwen、deepseek
自己的SpringAI项目框架实现了各种调用大模型服务的方法 包括 http、sdk、springai、langchain、ollama
详见我的github项目
反问
- 对大模型应用这个岗位的期待
根据公司内部具体业务场景，构建智能体，将能智能化的场景智能化 - 你们公司倾向于怎么样的一个部署方式
coze/dify云服务 + 本地部署大模型 - 面试表现和能力是否符合岗位期待
基本符合岗位期待
复盘
如何设计一个经典的电商推荐系统
答案来自Gemini 2.5 Pro 仅供参考
如何设计一个Text-to-SQL
参考文章地址（详细喂饭教程)：https://mp.weixin.qq.com/s/5vqNCIS1ktrQ1H6pftTMOQ
快速学习微调
参考文章：https://edu.aliyun.com/course/3126500/lesson/342510265?spm=a2cwt.28196072.ACA13.13.660e6e7bJDQYXq
