腾讯技术咨询复试*2

目前研一，准备日常或者暑假实习。先进中小厂垂直实习，还是大厂的其他岗位转产品经理？

1. Agent 和传统 workflow 的本质区别是什么，什么时候该选 Agent，什么时候不该选传统 workflow 的核心是路径预定义，系统知道每一步做什么、怎么流转、失败后怎么回退，所以它更适合规则清晰、链路稳定、审计要求高的场景。Agent 的核心则是把部分决策权交给模型，让它在运行时决定下一步查什么、调什么工具、如何分解任务，因此更适合任务开放、输入噪声大、解法不唯一的场景。真正的分界线不在“有没有模型”，而在“是否允许运行时规划”。如果目标是工单分类、审批流转、固定字段抽取，workflow 往往更稳；如果目标是复杂排障、代码仓库理解、跨工具探索式分析，Agent 才更有价值...

发一下问题给大家参考，攒攒人品！1.小米强调“人车家全生态”。请构思一个具体场景，实现手机、智能家居与车机基于AI深度协同。描述其技术链路与核心体验亮点2.“舱内感知”是热点。除了基础疲劳监测，如何利用舱内视觉、语音等多模态AI，创造更有价值的个性化服务或情感化交互？请提出你的产品构想3.作为行业后来者，小米汽车在智能驾驶体验上应追求何种差异化？是从“极致性能”、“场景深耕”还是“人机共驾体验”上突破？阐述你的观点4.智能驾驶系统“人机交互”至关重要。如何设计一套AI驱动、用于传达系统状态、能力和边界的交互体系，以建立用户信任，避免滥用或误用？5.汽车AI模型面临车规级芯片算力、功耗和实时性的严格约束。以“城市NOA中的预测规划模型”为例，阐述开发中，产品经理需要协同算法和工程团队，在性能、效率和泛化能力上做出哪些关键权衡？6.“端云融合”是趋势。请划分智能座舱或智能驾驶中，哪些AI能力必须部署在车端以确保实时可靠，哪些可以借助云端实现持续进化？你的核心判断标准是什么？7.智能汽车的进化高度依赖“数据驱动”。请描述你理想中，一个智能驾驶功能从车端数据采集、问题挖掘、模型优化到OTA升级的完整“数据闭环”产品方案8.如何定义智能驾驶功能的“安全验收标准”和“体验验收标准”？当两者在测试中发生冲突时，如何处理？9.智能驾驶软件付费订阅已成为趋势。你认为小米汽车的智能驾驶服务应采用何种订阅策略？如何设计免费体验包，以最大化转化率？10。除了开车和坐车，智能汽车还可能成为哪些AI服务的载体或入口？请提出一个具有想象力的商业化产品概念

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...