九章云极面试记录

时间：2025/9/28

时长：20min

岗位：技术支持实习生（AI大模型）

问题大致记录：

自我介绍，介绍了熟悉java技术栈，SpringBoot，MySQL、Redis等。对AI领域感兴趣，学习了微调、RAG、LangChain框架等。介绍两端实习。第一段做java后端开发。第二段用HiAgent做低代码工作流和Agent开发，开发了十多个相关Agent。基于LangChain做了RAG应用等。

问：AI方面的技术怎么学的？看过吴恩达等网课嘛？

答：跟着GitHub上的有些开源教程项目学的，还有一些AI框架的官方文档，跑里面的代码，然后自己做相关应用，我的GitHub里可以看到。没有看过相关网课。

问：介绍下chat-嬛嬛这个微调项目怎么做的？

答：首先是准备数据集，每条数据包括System prompt，query和answer。准备这样的一套数据集用于LoRA微调训练。接着是从HuggingFace上拉取原始的Llama3-8B模型，用于微调。然后配置LoRA微调的参数。将模型，数据集，LoRA参数一并放到trainer里进行微调训练。训练好后，和微调模型进行对话，得到的回答是甄嬛风格的。

问：这个微调项目是自己独立做的嘛？

答：数据集是找同学一起做的，因为数据条数比较多。然后是参考了网上孙悟空的微调项目做的。

问：训练用的什么GPU？还用过哪些GPU？

答：基于谷歌的Colab平台，订阅了会员，里面提供了包括T4，A100等GPU。不过还没有训练过更大的模型。

接着面试官介绍了公司具备的GPU有什么。

问：讲讲RAG的流程？

答：包括对文档进行分片，用嵌入模型将分片转换为向量，存储到向量数据库，我用的是chroma库。然后配置检索器。可以通过chain链配置，或者通过agent将检索器作为工具调用。然后提问时，先从向量库检索相关分片，将分片内容和提问一起发给大模型来生成答案。优化上，为了提高精度，可以采取使用重排序器的方式，比如从向量库检索100个分片，然后用重排序器找出最匹配的10个分片，从而提高检索精确度。

问：平时关注什么技术账号嘛？（忘了原话咋问的了）

答：B站一些推荐GitHub新项目的账号，鱼皮，黑马等。以及腾讯，阿里的微信技术公众号等。

问：有什么兴趣爱好？

答：喜欢拼高达模型，追星喜欢斋藤飞鸟。

问：有升学打算嘛？

答：没有，打算直接就业。

反问：

实习业务做什么？

1、TOC工作，面向消费者。没记清怎么说的。好像是平台日活二三十人，平常技术支持工作量不大。未来可能转型到贴近学习和科研的场景。

2、完成技术支持工作下，有意愿也可以去和开发员工一起做些工作。

3、基于ai方向课题的场景，实现一些github上的项目。

1和3是业务工作，2是能提供的机会。

实习薪资是否够吃住费用？

要和hr聊。

有转正嘛？

当前这个岗位缺人做。后续有机会转正。

面完一个小时候约了明天中午的2面。