加餐：面试复盘

一、面试中的主要问题

1、项目准备不充分

​ 现象：简历里的项目看上去太简单或者有严重缺陷，项目必要性存疑

​ 方案和需求之间不匹配，合理性存疑

​ 无法给出技术方案细节和项目成果细节

​ 和面试官沟通比较表面化，谈不到关键点上

​ 本质：没有实际操作一个项目从背景调查、方案选型、组件选型、开发测试、上线部署、总结反思的全过程

​ 即使考虑过某些点，但是没有系统化思考，没有落实到纸面上，并思考合理性。

2、RAG和Agent这两个体系说不清楚

​ 现象：无法理清整体结构，并系统化的表述出来

​ 无法说明关键节点（要怎么做？为什么这么做？有哪些候选？可能发生哪些问题？怎样改进？）

​ 无法说清项目实施中可能会发生哪些问题，怎样改进

​ 无法说清项目还有哪些改进空间

​ 本质：只是跟着老师把课程走了一遍，没有总结归纳，没有深入思考

3、基础知识不扎实

​ 现象：神经网络和大模型的基础知识只知道大概，不知道细节，只能泛泛而谈，禁不起追问。中间有不少错误

​ 也有可能确实了解，但是表达成问题，无法系统性地把问题讲清楚

​ 本质：基础理论部分只听课，没有复习，没有深入思考

4、与面试官谈话无法掌握主动权

​ 现象：信心不足，现场露怯

​ 表达能力差，无法系统化地说明一个复杂系统

​ 容易被面试官带到非核心项目上，然后卡死在细节上

​ 容易被面试官带偏到一个不熟悉的领域，被单方面暴打

​ 本质：准备不够充分，没有考虑谈话方式

二、项目准备

自信心不是一种心理概念，是物理概念

永远不要相信以弱胜强，但要相信善于发挥主观能动性，可以造成整体弱但是局部强

项目文档是面试者的内功，没有这个基础，其他工作都是花拳绣腿。

1、什么是项目经验？

​ 项目经验是你亲身经历一个项目背景调查、方案选型、组件选型、开发测试、上线部署、总结反思全流程时产生的总结和思考，没有这个经历无法构成项目经验，没有总结和思考，也无法构成项目经验

     刚入职的实习生，从未经历过任何项目实战，自己也从未考虑过项目怎样落地
     打扫卫生的阿姨，跟了一个项目组10年，历经大小项目40多个
     5年工作经验，主要在做开发，项目调研、方案选型等环节基本上附和项目组里的大牛，很少思考项目收益和改进方案。
     入职一年，多次提出项目改进建议，部分建议被采纳，被驳回的建议虚心请教其中缺陷，并实操验证
     没有实战经验，但曾在多个业务场景下模拟做方案，并对关键环节进行过实操验证，对各种做法的优缺点有一定的了解

​ 项目经历可以模拟，可以自己动手实操，不一定非要在企业里实际经历，但是总结和思考无法替代。

2、 为什么要准备项目文档？

​ 总体实力：敌强我弱，只有把谈话限于某个特定范围，才有取胜的机会

​ 怎样选取这个范围？

​ 业务上强于对手（面试者的权威超过面试官）

​ 技术上不弱于对手（双方可以对等讨论）

3、核心项目与非核心项目

​ 虚与实

​ 关键领域要能和面试官硬碰硬，必须有核心项目作为支撑点

​ 要造成更大的声势，表明还经历过更多领域，做过更多项目

4、 项目数量

​ 如果是应届生，可以一个核心项目加一个非核心项目

​ 1-3年工作经验，至少两个核心项目加两个非核心项目

​ 3年以上工作经验，可以3个核心项目，多个非核心项目，总体不超过7个，选取典型项目，质量大于数量（因为已经有很多项目经验）

5、 核心项目和非核心项目怎样准备？

​ 参见《怎样组织项目文档》

​ 非核心项目可以适当化简，整体方案和关键点要能讲清楚，细节数据可以记不清楚，但数量级要正确

6、项目架构示例

办公助手

​ 主要问题：

​ a、实际需求存疑，文档查询用这套体系会比较吃亏；摘要这个需求实际价值是什么；内容生成不可能这么简单；协作推荐有推荐系统，速度快，质量高，为什么要用智能体来做？

​ b、有较严重的结构缺陷，内容生成不需要检索资料？没有MCP？

​ c、难以想象这个项目的资金投下去会产生什么收益

金融理财

​ 优点：

​ a、垂直领域选取比较好

​ b、整体结构比较合理，没有明显功能缺失

​ 缺点：

​ a、金融理财的子领域远远大于图中描绘的内容，至少还应包括：国家政策与金融监管，严格的端到端加密和生物识别认证，各个金融子市场（股票、债券、期货、贵金属等）行情获取与机会推荐，用户信息收集与画像，第三方接口（支付软件、银行、各金融子市场软件）

​ b、资产配置不仅仅和行情有关，还必须了解当事人现有资产分配情况

​ d、行情数据用爬虫爬取不可靠，关键信息要使用商用数据

​ d、理赔报案不仅仅只有保险合同和理赔条款，涉及到身份验证、投保单调取、定损、核查、理赔方案等一系列的业务步骤

​ e、信贷评估不仅和征信系统有关，还包括现有资产配置，各类配置风险评估，整体风控汇总，个人已有信贷记录、个人消费记录等一系列因素

财务助手

​ 优点：

​ a、垂直领域选取比较好

​ b、整体结构很完整，几个子领域基本覆盖了财务日常办公的大部分需求

​ c、技术架构合理，各智能体功能切分比较好；A2A-MCP的架构运用合理，综合运用多种存储中间件，各司其职；

​ 缺点：

​ a、兜底方案在哪里？

​ b、业务需要进一步细化，例如：对账不光需要对接银行数据，还需要对接企业信息数据库；供应商风险还需要对接企查查之类的企业信息平台查询经营情况，投资情况、法律纠纷与判决结果等

​ c、自动化程度需要进一步提升，可以根据上传文件类型分析用户意图，而不是每次都要用户给出明确指令。

三、RAG和Agent两个体系说不清楚

​ 描述一个复杂体系，要考虑描述的思路或者逻辑性

​ 基本符合“总-分-总”的结构，先从整体上描述全貌，再逐一解析关键点，最后指出其中的薄弱环节和改进措施

​ agent的体系描述参照《怎样组织项目文档》

​ 下面主要看一下RAG系统

​ 任意复杂度的RAG系统都可以看作两条主要的业务流：数据入库和用户检索

​ 简单RAG系统要解决的主要问题是：

• ​ 文本资料如何读入

• ​ 文本块怎样切分

• ​ 用哪个嵌入模型

模型名称	核心优点	主要缺点	典型适用场景
Word2Vec	轻量快速，适合大规模文本训练，生成低维稠密向量	静态词表示，无法区分一词多义，忽略上下文语义	早期简单文本分类、词相似度计算场景
GloVe	基于全局词统计生成向量，能更好捕捉词间语义关系	依赖大规模语料的全局统计数据，动态语义适配差	通用词向量预训练、传统NLP基础任务
BERT / Sentence-BERT	动态感知上下文语义，解决一词多义问题，适配绝大多数NLP任务	计算复杂度高，资源占用大，原生长文本处理能力有限	通用语义匹配、基础句向量生成场景
BGE系列（bge-small/base/large/m3）	中英双语能力强，中文语义理解精准，支持多语言，RAG场景表现优异	部分小众语种支持不足，极端专业领域需微调	中文RAG知识库、多语言检索、语义匹配系统
E5 / E5-v2	通用泛化性强，效果稳定，基于对比学习优化嵌入质量	中文原生适配弱于国产模型，长文本处理成本高	通用英文检索、跨领域语义相似度任务
GTE系列	阿里开源，中英文表现均衡，1024维版本兼顾精度与效率，支持超长文本大维度版本	超大维度版本存储和计算成本指数上升	中文企业级搜索、高精准度语义匹配场景
MiniLM / DistilBERT	极致轻量，推理速度极快，资源占用极低	语义表达能力有限，复杂任务精度不足	低配置设备部署、高并发轻量检索场景
nomic-embed-text	嵌入质量高，易集成，文档生态完善，速度与精度平衡	原生侧重英文优化，非英文语种支持一般，资源消耗略高	英文为主的RAG系统、快速搭建向量检索原型
OpenAI text-embedding-3系列	闭源API调用便捷，支持超长上下文，泛化性强	数据需外传，调用成本随量级上升，无本地化权限	海外业务快速落地、无需本地部署的通用语义任务

• ​ 用哪个向量数据库

数据库	主要场景	GPU加速	标量字段	核心特点	适用规模
‌Pinecone‌	SaaS服务，快速上线	云端自动	✅	全托管，API简单	中小型项目
‌Chroma‌	开发测试，轻量应用	❌	✅	轻量，内存优先	原型开发
‌Weaviate‌	生产级应用	可选	✅	多模态，GraphQL	中大型系统
‌Milvus‌	大规模向量检索	✅	✅	分布式，高性能	超大规模
‌Qdrant‌	高性能场景	✅	✅	Rust编写，云原生	生产环境
‌FAISS‌	研究开发	✅	❌	纯向量库，灵活	算法研究

• ​ 怎样检索候选块

• ​ 怎样写提示词

• ​ 用哪个大模型整合结果

这些既是容易出问题的点，也是有可能调优产生重大优化效果的点

​ 复杂RAG系统在此基础上，增加了更多的细节

• ​ 各种格式和内容的资料如何读入
• ​ 父子切块
• ​ 意图识别
• ​ 意图改写
• ​ 稀疏向量检索与稠密向量检索
• ​ 重排序

四、怎样写简历？

1、你的目的是什么？

求职

​ 让人第一眼看到你为什么适合这个岗位

​ 尽量不要添加噪声

​ 绝不要让人误解，认为你不合适这个岗位

2、什么该写，什么不该写？

​ 与根本目标一致的内容展开写

​ 智能体、RAG系统、大模型微调、多模态应用

​ 主要技能、核心项目、关键技术点、项目收益

​ 与根本目标无关的内容尽量不写

​ 个人兴趣爱好（除非能展现你对人工智能领域的热爱）

​ 自我评价（除非能展现你对人工智能的进一步认知）

无效的自我评价

本人性格沉稳细致，有较强的执行力和问题解决能力，能快速适应新环境与新岗位要求。工作中注重团队协作，善于倾听他人意见，对待任务严谨负责，确保各项工作按时保质完成。
拥有扎实的专业基础，学习能力较强，乐于主动接触新领域知识。日常工作中习惯提前梳理目标、拆解进度，遇到问题能主动复盘优化，希望能在岗位上为团队创造实际价值。
待人真诚友善，沟通表达顺畅，既能独立完成分配的工作，也能配合团队推进跨部门项目。对待工作始终保持积极心态，愿意从基础做起，在实践中不断提升自身能力。

有效的自我评价

长期聚焦风电运维智能化、RAG、多智能体与大模型应用，对领域知识建模、模型微调和系统优化有持续积累。
对人工智能领域的新技术有强烈的学习兴趣，最近正在关注以Kimi-K3、qwen3.6等原生多模态模型，也读了一些论文，包括《Scaling Laws for Native Multimodal Models》和《UniDDT: Unifying Multimodal Understanding and Generation with Decoupled Diffusion Transformer》
具备较强的工程落地和跨团队协作能力，能够在复杂业务场景中快速推进智能体项目开发、调优和落地。

​ 与根本目标相冲突的内容绝对不写（不说），同一个事实可以用很多个角度观察

我之前做市场营销--最近我很深入地学习了大模型和智能体

没有真实落地项目--仔细研究了某个项目

在项目里打杂--负责项目里的**工作（你亲眼看见牛人们做过的，可以自己复现）

          --项目的整体架构、技术方案（你参加项目讨论会亲耳听到牛人们激烈争论过的）

在上家公司干不下去了跑路--希望使用更多的新技术，谋求更好的个人发展

3、什么先写，什么后写？

​ 酒香也怕巷子深

      操作系统给和语言：熟练掌握Python、Linux常用命令，代码风格规范，注重可维护性。
      框架与算法：掌握PyTorch，对主流NLP算法（如文本分类、命名实体识别、关系抽取）有丰富实践。
      模型原理：深入掌握RNN/LSTM/GRU等经典序列模型，并对Transformer架构及多头Attention机制有深入理解。
      知识图谱与 GraphRAG：具备知识图谱建模与 GraphRAG 检索增强实践经验，能够将图谱查询与向量召回融合用于多跳推理和根因分析。
      预训练模型：熟练掌握 BERT、GPT 等预训练模型，具备 PEFT 轻量化微调经验，熟悉 LoRA / QLoRA 等参数高效训练方法，可用于领域问答、文本分类和实体抽取任务。
      RAG与检索增强：具备完整的 RAG 系统设计与实现经验，熟悉结构化检索、向量检索、混合检索、重排序、Parent-Child Chunking 与 Query Routing。
      多智能体与编排：深入理解 A2A、MCP，熟悉 LangGraph / LangChain 等智能体框架，能够构建有状态、多步骤、多角色的 Agent 编排流程。
      AI编程：熟练掌握Vibe Coding能力，使用ClaudeCode、Cursor、WorkBuddy等工具提升研发效率。
      前后端交互：RestfulAPI、WebSocket、GraphQL等形式。
      前端技术：熟练掌握Vue、ElementUI、Websocket、NodeJS、TS等前端开发技术和框架。
      开发工具：熟练使用Git、VS Code、Pycharm等开发工具。
      ```

多智能体与编排：深入理解 A2A、MCP，熟悉 LangGraph / LangChain 等智能体框架，能够构建有状态、多步骤、多角色的 Agent 编排流程。
RAG与检索增强：具备完整的 RAG 系统设计与实现经验，熟悉结构化检索、向量检索、混合检索、重排序、Parent-Child Chunking 与 Query Routing。
大模型微调：熟练掌握在垂直领域对大模型进行LoRA微调的技能，对微调过程涉及的数据集处理、模型选型、微调优化、高效部署等环节都非常熟悉。
AI编程：熟练掌握Vibe Coding能力，使用ClaudeCode、Cursor、WorkBuddy等工具提升研发效率。

4、什么详写，什么略写？

​ 核心项目一定要详写，绝不能简略，要充分展示成果，引起对方兴趣和提问

​ 非核心项目一定要略写，最好不要详写。一则言多必失；二则控制简历总长度

五、面试表达

0、信息收集

​ 面试公司的基本业务领域，成就（互联网）

​ 部门的规划，尤其是大模型相关的（hr,面试邀约电话）

​ 团队的核心目标、技术路线与规划（teamleader）

1、紧扣你的目标

​ 面试很短，你说的每一句话都应该围绕求职这个核心目标

​ 你的核心技术能够满足对方的下一步发展需求

2、应该怎么说？

自我介绍只有5分钟（太多？太少？没有重点）

​ 我是谁，我的主要研究方向，我的主要成就，我的主要项目，下一步的发展规划（最好能和目标公司吻合）

结构化描述

​ 总分总结构---总分、并列、综合

• 项目整体背景、整体技术方案
• 关键技术点 1，2，3，4
• 回顾项目收益，总结经验教训

有详有略

​ 核心项目与非核心项目

​ 关键技术点与一般技术点

重点落在哪里？

​ 重点落在你的核心技术与对方需求的结合点上

3、掌握主动权

软性引导对方的谈话范围

​ 通过详略、重点

​ 可以在一段对话需要转换的时候埋勾子。

硬性引导对方的谈话范围

​ 特定业务范围，特定技术范围，不熟悉的方案经过实际语料测试效果较差，充分准备的方案初始表现就很好

​ 非核心项目不够典型，核心项目才能代表你的最高水平

​ 咱们可以现在**范围内讨论，稍后扩展到您说的这个领域

​ 考虑过您说的这个方案，但因为**原因放弃了（成本，保密，效果...）

4、展示诚意，主动了解更多信息

​ 团队未来一年的核心目标，当前进展，难点在哪里？

​ 团队的资源：人员配备，算力，语料

​ 如果我过来，承担什么角色？