处女面 安克创新 golang后端 一面

继续来分享下之前的面经~欢迎友好讨论，信息共享1.重点复盘一个AI项目，请阐述你的核心贡献、如何评估模型效果及与算法的协作流程。2.如何从0到1规划一个AI功能（如智能客服）？或如何设计一个优质的提示词模板？3.解释大模型微调（SFT）或提示工程（Prompt Engineering）的基本概念。如何评估AI生图质量？4.体验过腾讯元宝等产品吗？有何具体优化建议？5.用 STAR法则 清晰讲述项目细节，展现执行力与技术沟通能力。

#牛友提问，有问必答#

整理下面经，攒攒人品～～～1、如果你加入抖音研发，要做一个「智能服务团队的智能提效平台」，你会如何拆解"提效"对象(人群/任务/链路)、定义北极星指标与阶段目标?请给出你会优先覆盖的Top3场景与理由。2、同样是"提效"，你如何设计一套能在4-8周内证明价值的ROl评估框架?要求覆盖:时间节省、人力替代、质量提升、风险降低四类收益，并说明"不可量化收益"如何转成可决策信号。3、内部平台常见问题是"做出来没人用"。你会怎样设计从0到1的冷启动与留存机制(触达路径、默认工作流嵌入、权限与数据接入门槛、激励与约束)，并用哪些数据来判断"真正在被使用而不是被试用一下就走"?4、如果你做的是"内部版"AI平台能力，你会如何判断哪些能力可以直接对齐复用，哪些能力必须因内部研发组织形态重做?请说清楚差异背后的组织与流程原因。5、要做一个面向研发/运营/客服知识的问答能力，你会如何选择与设计:数据接入(多源异构)、切分/索引、召回、重排、生成、引用证据、权限隔离、更新策略?并说明你会如何评估向量库/检索组件的选择与边界。6、对于"问答/助手/智能体"能力，你会如何建立一套可持续迭代的评测体系:离线基准集怎么构建、人工标注怎么控成本与一致性、线上怎么做灰度与回滚、怎么区分"模型变好"和"提示词/检索变好"的贡献?7、当业务量上来，你如何设计"质量一成本一时延"的三角平衡策略?请给出:分层模型路由、缓存策略、请求合并/批处理、长上下文治理、以及成本异常的监控与止血方案。8、在"智能服务"场景里，最容易出问题的是越权、幻觉、违规内容、隐私泄露。你会如何从产品机制上做"可控":输入输出风控、知识源白名单、引用强制、权限与审计、敏感操作二次确认?9、请描述你会为"智能体/助手平台"设计哪些核心可观测能力:链路追踪、token/费用、延迟分解、检索命中、失败类型、人工兜底触发、告警分级。并说明一次"效果回退或事故"发生时，你如何定位是数据、模型、提示词、依赖服务还是发布流程的问题。10、给你一堆需求:知识问答、工单总结、对话质检、自动回复、培训助手、数据看板、流程编排....你会用什么方法把它们切成一个可在4周上线的MVP?请明确你的取舍原则:依赖最少、价值最大、风险可控、可验证。11、你如何把"智能提效"这类偏抽象的需求写成可交付的PRD?请给出你PRD里最关键的5个部分，以及你如何把"效果"转成可验收的标准(包含指标口径、数据来源、验收样本、灰度策略)。12、当研发、算法、运营都在场时，你如何组织一次高质量评审，让分歧在评审阶段就解决?请讲清楚你会如何定义接口边界(平台/算法/业务方)、里程碑、险清单、以及"谁来拍板"的决策机制。

攒人品中，祝大家都能拿到满意的Offer！1有用过飞书多维表格吗2用过哪些模块的功能3介绍上一段实习业务背景，目标4实习核心做的三件事和自己的贡献5工作有搭agent，为什么不采用workflow或者prompt+大模型6面试官觉得没有必要用agent，让我说下agent具体做了什么7agent使用弊端