这次面试感觉其实还行，但是到现在也没联系我，估计凉凉了。  这次面试，面试官很侧重于 LLM 在实际业务（特别是销售/营销场景）中的落地能力、工程化思维（如异常处理、耗时分析）以及 Prompt 的精细化控制，这段时间段段学了不了，但是还是感觉差点意思。一、 业务逻辑与转化率优化 (ROI) Q1：你们的“线索评分”机制是如何运作的？回答： 基于四个维度进行打分： 1.联系方式完整性（基础门槛）。2.购买意向强度（结合大模型进行意图识别）。3.对话深度（交互轮次）。4.用户主动行为（如主动要求添加销售微信或留下电话）。 综合这些维度给出一个分数，通常分数较高（如大于 70 分）会被判定为高优线...

😅😅😅😅

没必要在学校疯狂卷了

1、先做一下自我介绍2、介绍一个你最熟悉的大模型项目3、你在项目里具体做了哪些优化4、如果让你做一个保险知识问答系统，你会怎么设计如果是保险场景，我会把重点放在“依据”和“边界”上。因为用户问的很多问题，比如能不能赔、赔多少、什么情况下免责、等待期怎么算，这些都不是开放式闲聊，不能让模型自由发挥。整体上我会先把知识源整理出来，常见的包括：保单条款FAQ理赔规则产品说明客服知识库内部业务手册然后对这些文档做清洗、切分、去重、打标签和建索引。检索层我会优先考虑混合检索，因为保险场景里很多词比较硬，比如免责、既往症、等待期、受益人、赔付比例这类，单靠语义检索不一定够稳。生成层会尽量限制模型，只让它基...