搜狐产品面经

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 实习拷打2. 你参与过模型训练吗？会觉得产品是算法工具人吗？产品视角你觉得能为模型训练贡献什么？3. 你觉得到底什么样的ai产品能赚到钱？4. 你怎么去定义badcase？标准是如何制定出来的？5. badcase的评估是你进行吗，还是有专门的外包团队？6. 了解自动化的ai-native评估方式吗？为什么你们不采用这种方式？7. 你们这个知识库主要场景是什么？传统的ai不能进行这样的知识问答吗？8. rag的流程是什么？9. rag的知识库来源是什么，其中你提到拆分逻辑，这个逻辑是怎么确定的？10. 如何优化rag里的badcase，提升rag效果？11. bert和transformer是什么，解释一下12. 为什么有这二者架构上的区别，使用场景上有什么不同？13. 大模型的大体现在哪些方面？14. 为什么传统ai没有像现在这样跑出来15. 为什么现在的ai都是一个字一个字蹦出来回答的16. 什么叫模型的过拟合？17. 什么业务该用大模型，什么业务该用小模型？

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...

大二第一次面试复盘（偏产品岗）整体流程：自我介绍 → 项目深挖 → 职业规划/到岗时间 → 反问 & 收尾**1. 自我介绍**正常发挥，没有刻意包装，主要如实讲阶段和背景。感觉学生阶段过度“职场化”反而容易显得不真实。**2. 项目重点（AI Tutor）**面试核心基本都在项目上。没有从功能讲，而是先讲问题：很多学生把大模型当搜索引擎，但学习过程没有被优化。再讲方案：用“学习过程建模 + 提示词脚手架”去重构学习流程（提到了自己的阶段模型）。面试官主要追问：* 解决了什么问题* 为什么这个问题值得做* 是怎么拆解并落地的体感：项目讲清“问题 + 判断 +路径”比讲功能更重要。**3. 职业规划**被问到产品经理类型选择（数据/商业化/技术/AI）。回答偏商业化，理由是更关注“价值如何落地”。这个问题本质是在看：是否对产品岗位有自己的理解，而不是随便选。**4. 面试氛围 &反馈**整体偏交流，不是压力面。收尾反馈：表达清晰、思路好、执行力和学习能力不错。**5. 个人复盘**优点：* 项目思路清晰* 能讲出“为什么做”不足：* 项目表达还能更打磨（尤其问题定义 & 自己的判断）**总结**对于无实习的学生：项目=核心竞争力重点准备三件事：* 为什么做（问题意识）* 怎么做（结构化拆解）* 为什么这么做（你的判断）经验少不是问题，关键是有没有思考和表达能力。

淘天 27 届暑期实习生正在招聘 各方向都有海量 HC 欢迎看我置顶帖子投递一面 | Agent 生态与工程化面试题 1：请解释 ACP（Agent Communication Protocol）协议的设计思路，它解决了什么问题？参考答案ACP 解决的核心问题：目前各家的 Agent 框架（LangChain、CrewAI、AutoGen 等）各自为政，Agent 之间无法互通。A 公司用 LangChain 写的 Agent 没法直接和 B 公司用 AutoGen 写的 Agent 协作。ACP 要做的就是 Agent 之间的 HTTP——一个开放的、框架无关的通信标准，让不同技术栈的 Ag...