面试官视角聊聊，怎么讲清楚自己做的AI项目

在牛客运营同学的热情邀约下，接着写下一篇分享

 深度拆解：如何系统介绍你的第一个AI实习项目？

这是所有面试的开场白，也是决定“生死”的45分钟里最关键的前10分钟。很多同学讲得口干舌燥，但我听完却是一头雾水。

作为面试官，我问这个问题到底想看什么？

1. 业务Sense： 你知不知道为什么要写这个Prompt/做这个Agent？是为了解决什么业务痛点？
2. 技术理解力： 你对大模型的边界清不清楚？是盲目调用API，还是懂一点RAG、微调的底层逻辑？
3. 产品闭环思维： 做了之后效果如何？你怎么衡量好坏？

避坑指南：千万不要只说“我写了多少条提示词”、“我搭建了几个工作流”。这叫“劳动力输出”，不叫“产品思考”。

推荐回答框架：三段论法（不仅仅是STAR）

我建议按照“业务逻辑 -> 技术实现 -> 数据结果 -> 迭代思考”这个链条来串联。

第一步：定调子（为什么做？）

不要说： “老板让我做一个客服机器人。”

要说： “在上一段实习中，我发现人工客服在处理‘退款流程’这类重复性问题上占用了60%的精力，导致高净值客户排队严重。因此我提议利用大模型做一个自动化任务型Agent，目标是将重复性咨询的自动解决率提升至X%。”

第二步：讲细节（怎么做的？难点在哪？）

这里是体现AI PM专业度的地方。

• 技术路径： “我对比了直接写长Prompt和采用RAG（检索增强生成）两种方案。考虑到业务文档更新快，我选择了RAG路径。我负责了知识库的清洗和切片，采用了‘QA对’的形式来提高检索精度。”
• Prompt工程： “在Prompt设计上，我没有只停留在内容描述，而是引入了Few-shot（少样本提示）来规范输出格式，并设计了Negative Constraints（负向约束）来规避大模型的幻觉问题。”

第三步：晒战绩（结果如何？北极星指标是什么？）

AI产品最忌讳“感觉效果不错”。

要说： “上线两周后，我的北极星指标——‘问题解决率’（Resolution Rate）从原来的30%提升到了55%。同时，通过人工抽检，回答的准确率（Accuracy）稳定在90%以上。”

第四步：显深度（如果重做，我会怎么优化？）

这是加分项。

要说： “复盘来看，当时对长尾问题的覆盖还不够。如果重做，我会尝试加入意图识别模块，在路由层就对用户问题进行分流，而不是一股脑丢给RAG，这样能进一步降低响应耗时（Latency）。”

面试官的一些真心话吧

在牛客上看了很多面经，大家都在背八股文。但在字节，我们更看重“颗粒度”。

如果你说你优化了Prompt，我会追问：“你加了哪个词之后，模型的输出发生了什么具体变化？”

如果你说你做了RAG，我会追问：“你的Chunk Size（切片大小）是多少？为什么定这个数？”