腾讯云paas产品二面

背景:

本人西北大学软件工程专业大二,投递/被邀请的是腾讯云智相关产品实习岗位,方向和音视频 PaaS、实时互动、云产品相关。之前没有大厂实习经历,主要准备内容是自己的 AI 学习导航系统项目,以及腾讯云 TRTC、IM、PaaS、实时音视频的一些基础理解。

这次是二面,结果暂时等待通知。整体体验比较好,面试官追问比较深入,不是压力面,更像围绕项目、AI趋势和岗位匹配度做讨论。

一、开场和自我介绍

开头先做了环境调试,确认收音和画面。之后是自我介绍。

我主要介绍了自己的专业背景:软件工程大二,平时对技术和人文学科结合比较感兴趣,所以不只关注纯开发,也会关注产品、用户、技术趋势这些问题。然后解释了为什么会接受腾讯云产品岗的面试:一方面是对云产品和音视频方向感兴趣,另一方面也觉得实时互动和多模态 AI 的发展有连接点。

二、项目深挖:AI学习导航系统

这一部分是面试重点。

我讲的是自己做的 AI 学习导航系统。项目背景是:很多大学生使用大模型时,只是把它当作搜索引擎,没有真正利用大模型做学习过程中的认知辅助。所以我希望做一个不是单纯聊天框的系统,而是通过学习流程和提示词脚手架,引导用户完成学习任务。

我讲了系统的五阶段流程:

目标输入  
学情诊断  
个性化规划  
任务执行  
总结报告  

任务执行阶段又拆成四步:

结构建立  
知识理解  
费曼输出  
反思总结  

技术实现方面,我提到前端用 Vue,后端主要调用 DeepSeek、Claude、GPT-4 等模型 API,项目部署在云服务器上。这个地方没有展开太多技术细节,因为面试官更关注产品逻辑和问题价值。

面试官主要追问:

1. 这个项目解决的核心问题是什么?
2. 为什么用户需要这样的学习流程?
3. 它和普通 AI 聊天工具有什么区别?
4. 用户反馈有没有做?
5. 项目目前还有哪些不足?

我的感受是,产品岗讲项目时,不能只说“我做了什么功能”,一定要讲清楚“为什么要做这个功能”。尤其是没有实习经历的同学,自己的项目就是最重要的证明材料。

三、AI编程和教育方向讨论

面试中还聊到了 AI 编程对教育的影响。

我表达的观点是:未来很多细碎的工程实现会被 AI 降低门槛,比如普通接口、页面、项目脚手架等。但计算机基础不会因此变得不重要,反而会更重要。因为 AI 能生成代码之后,人更需要判断代码是否正确、系统是否合理、问题核心在哪里。

面试官追问了一个问题:如果 AI 生成的代码有深层漏洞,仅靠基础知识能否 Review 出来?

我回答的大意是:不能完全依赖基础知识,也不能完全依赖 AI。未来更可能是人和 AI 协同排查,人负责抓核心矛盾和判断方向,AI 辅助定位和解释细节。

四、大模型幻觉相关问题

面试官问到了大模型幻觉的问题。

我提到了两个比较常见的方向:

RAG,也就是检索增强生成  
提示词约束,通过结构化 Prompt 降低模型乱答概率  

面试官又补充了一种更严谨的方向,大概是通过数学证明、可验证代码、形式化方法来解决幻觉问题。这个地方我没有答得特别深入,但感觉面试官也不是要求我完全掌握,而是看我有没有基本认知,以及能不能接住进一步讨论。

五、英语能力和信息获取

面试官问了英语能力。

我说四级 600 左右,六级 460 左右,六级没有专门备考。平时会用 Grok、英文搜索、YouTube 技术视频获取海外 AI 和技术动态。

这个地方建议大家不要只说“我英语还可以”,最好补一句你平时怎么用英语获取信息,会更有说服力。

六、职业规划和实习时间

面试官问了职业规划。

我说自己目前还在考研和就业之间摇摆,但越来越倾向于进入企业解决真实问题,尤其是 AI 应用、云产品、音视频基础设施这类方向。同时也说明了自己可以协调学校课程,保证每周 4 天左右的实习时间。

七、对腾讯云音视频方向的理解

我提到自己比较关注 TRTC 和 IM。

我的理解是,音视频不只是直播、会议这些单点场景,它可能会成为未来多模态 AI 应用的重要基础设施。因为人最自然的交互方式不是文字,而是声音、画面、表情和实时上下文。未来 AI 如果进入教育、会议、客服、办公协作等场景,实时音视频能力会非常关键。

这个观点面试官没有明显否定,后续也围绕实时互动行业认知给了我一些建议。

八、反问环节

我主要问了:

后续流程大概有几轮  
作为候选人,后续应该重点提升哪些能力  

面试官反馈大概是,日常实习生流程可能比正式招聘短一些,后续建议重点深化实时互动行业认知,同时处理好学业和实习时间。

九、个人复盘

答得比较好的地方:

1. AI 学习导航系统这个项目讲得比较完整,能说明背景、流程和设计逻辑。
2. 能把自己的项目和 AI、教育、产品能力联系起来。
3. 对音视频和多模态 AI 的连接有自己的理解。
4. 面试过程中没有完全背答案,整体比较像真实讨论。

不足的地方:

1. 用户反馈不够结构化,项目还缺少更真实的数据验证。
2. 对音视频 PaaS 的行业理解还比较浅,准备时间短。
3. 大模型幻觉相关问题只答到了 RAG 和 Prompt,更深的形式化验证、可验证代码等方向了解不够。
4. 职业规划还可以更坚定一些,不要显得太摇摆。

十、给类似同学的建议

如果你也是低年级、没有实习经历,但想面产品岗,我觉得最重要的是准备好一个能讲深的项目。

不要只背产品八股,也不要只堆技术名词。面试官真正会追问的是:你为什么做这个项目?你看到了什么问题?你怎么拆解?你怎么判断有效?你后面准备怎么迭代?

低年级不是完全劣势。只要能体现快速学习能力、结构化表达能力、项目思考深度和对行业的兴趣,还是有机会把面试聊起来的。

目前结果等待通知,后续有进展再更新。
全部评论

相关推荐

给我面没招了,发点面经攒攒人品~1. 实习拷打2. 你为什么想投千问主 Chat 组的 AI 产品实习生?追问:相比其他 AI 产品岗位,这个岗位最吸引你的点是什么?3. 你最近最常用的 AI 产品有哪些?你怎么评价它们的优缺点?如果只能保留一个,你会选哪个,为什么?4. 你怎么看千问、ChatGPT、豆包、Kimi、DeepSeek 这类 AI 对话产品的差异?追问:你觉得千问最应该补齐的短板是什么?5. 你如何理解主 Chat 产品的核心价值?它和搜索、Agent、传统工具型产品的边界分别在哪里?6. 如果让你优化千问 App 或 PC 端的一个核心功能,你会怎么验证这个改动真的有效?7. 你会重点看哪些核心数据指标来判断主 Chat 做得好不好?追问:如果留存和满意度出现冲突,你更信哪个?8. 你能简单讲一下 Transformer 的基本原理吗?为什么它比传统 RNN 更适合做大模型?9. 你怎么理解预训练、SFT、RLHF 这几个阶段,如果少了 RLHF,产品体验会主要差在哪里?10. 你怎么理解 prompt、system prompt、上下文窗口、RAG、Agent 这些概念?追问:它们分别更适合解决哪一类问题?11. 如果用户一句话里有多个意图,或者表达很模糊,你会怎么做意图识别和回复策略设计?12. 你如何理解上下文、短期记忆、长期记忆的区别?什么信息应该记住,什么信息不该记住,为什么?13. 如果模型出现幻觉,你会怎么判断是模型能力问题、检索问题、prompt 问题还是产品策略问题?14. 你会怎么评估一个 AI 对话系统答得好不好?除了人工判断,还可以看哪些技术或算法指标?15. 如果让你在两周内做一个能明显提升主 Chat 体验的小改动,你会做什么?如果研发资源非常有限,你会怎么取舍?
查看18道真题和解析
点赞 评论 收藏
分享
评论
点赞
1
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务