AI 应用开发工程师一面面经

基本信息

• 面试岗位：AI应用开发实习生
• 面试时间：2026年9月7日
• 面试时长：约46分钟

个人背景

• 学校专业：广东工业大学 计算机科学（28届）
• 实习经历：两段实习经历 某公司网站后端开发（未写入简历）某科技公司AI开发实习生（简历项目）

技术问题汇总

Q1：TikTok账号的私信/评论如何做托管？

• 接入第三方平台（ZERNIO）进行账号托管

Q2：如何过滤广告/系统消息等垃圾信息？

• AI意图识别：大模型对接收消息进行识别，垃圾信息直接拦截不回复

Q3：意图识别有误时有什么逻辑兜底？

• 所有收到的消息都会留档，操作者可查看拦截标记

Q4：消息落库成功但第三方发送失败，如何保证最终一致性？

• 事务机制：先落库，事务外调用SDK发送
• 维护消息状态（发送中/发送失败）
• 基于状态进行重试，重试次数为3次，3次均失败则判为失败
• 前台对用户标识“发送失败”

Q5：消息/评论数据回拉使用Webhook，大面积回调堆积处理不过来怎么办？

• 目前客户只有几十家，暂未考虑大规模场景，后续规模上去后再扩展

Q6：请讲一下Webhook的三重保障

第一重 - 安全保障：

• 平台方首次建立连接时发送密钥，每次Webhook回调将请求体+密钥计算signature
• 本地用同样方式计算比对，防止攻击者篡改body内容

第二重 - 幂等保障：

• 数据库设置唯一键，防止平台方因网络波动重复回调导致重复插入
• 捕获重复键异常，处理为已成功插入

第三重 - 兜底保障：

• 定时任务（每天）主动向平台方拉取本地未完成任务的状态
• 更新本地状态，防止一直收不到回调

Q7：20万行Excel数据怎么解析？

• 当前项目未上线，数据量仅几千行，暂未考虑大数量场景
• 思路：分块导入，按批次插入，而非一次性全量插入
• 若单表存不下，可考虑分表

Q8：PDF转写从31分钟优化到2.5分钟，怎么做的？

• 使用豆包2.0 Pro多模态模型
• 发现默认开启思考模式（纯色图片也会输出几百个token）
• 关闭思考模式后，转写质量不下降，性能大幅提升

Q9：为什么给AI回复做30秒防抖？

• 防止客户连续短句发送时AI频繁回复，显得啰嗦
• 每30秒窗口聚合回复一次

Q10：线程池的核心参数有哪些？

1. 核心线程数（corePoolSize）
2. 最大线程数（maximumPoolSize）
3. 工作队列（workQueue）
4. 拒绝策略（RejectedExecutionHandler）
5. 线程空闲存活时间（keepAliveTime）
6. 时间单位（unit）
7. 线程工厂（threadFactory）

Q11：如何设计提示词让AI讲产品卖点？

• 使用占位符动态注入产品名和产品描述
• 支持配置客服性格（活泼/冷静/专业等）
• 约束安全性：不泄露公司信息、不暴露AI身份、防提示词注入攻击
• 攻击防护除提示词约束外，不给AI修改/读取工具权限

Q12：多轮对话中上下文带脏数据干扰提示词判断，如何兜底？

• 将修改权限（如写入数据库）交给用户而非模型
• 维护白名单，只给模型读取特定数据库/SQL的权限，不授予修改工具

七、RAG与多语言

Q13：文档格式参差不齐（PDF/Word/PPT，图片型PDF等）怎么处理？

• 多模态VLM转写：图片内容用多模态模型描述后入库
• 双轨策略：文字和图片转写文字同时入库

Q14：多语言语境问题（同一词在不同语言文化中含义不同）怎么处理？

• 面试时坦诚当时未考虑此问题
• 推测思路：语义相近的向量相似度应相近，召回时语义相近

Q15：平时用什么AI编码工具？

• Cursor用得较多
• 字节的Trae
• 阿里的qoder
• claude code（接DeepSeek）

Q16：如何让AI写业务代码？

1. 从高级开发/产品经理处接需求
2. 将需求写入对话框，配合Skills（如Grill-me），它会针对需求中每个不确定点逐一询问
3. 经十几二十轮对话确认全部需求后，让AI生成plan
4. 核对plan无误后让AI开工写代码
5. 让AI跑编译和单元测试验证
6. 忙时可让AI用Browser Use/Playwright脚本点击前端界面验证功能

Q17：AI重复造轮子怎么约束？

• 在system prompt中约束不要重复造轮子

Q18：Skill的渐进式披露概念了解吗？

• 了解：Skills不会一次性加载全部内容
• 先加载skill名称+简短描述
• 大模型判断需要调用时才读取完整内容
• 目的：节省上下文token占用

Q19：口语练习产品如何做AI赋能？（从原有功能接入AI）

• 候选人以电话客服场景为例分享经验： 实时录音 → 第三方流式转写 → 每隔几秒将转写内容发给大模型 → 实时生成建议展示给客服可将此模式应用到口语练习场景

Q20：系统提示词和用户提示词如何设计？

• 不能设计太长，考虑token消耗和响应速度（实时场景）
• 多场景各自配置专属提示词
• 面试官建议：提示词存数据库，场景切换时动态加载

Q21：WebSocket和SSE的区别？

• SSE：HTTP延伸，单向通信（服务端→客户端）
• WebSocket：独立于HTTP，全双工双向通信

Q22：Redis缓存用来做什么业务？

• 双Token鉴权方案：Access Token（JWT，30分钟过期）+ Refresh Token（7天过期）Access Token存租户ID，用于查Redis中租户的菜单权限权限数据存Redis而非DB，提升实时查询效率防止前端越权访问

面试官评价与建议

正面评价：

• 作为大三学生，实际项目底子不错
• 项目经历丰富，细节问题回答得都挺OK

改进建议：

• 加强AI赋能整个开发链路（设计→开发→测试）的思考
• 不要只拿通用Skill，可以根据项目特点和个人开发习惯沉淀专属Skill

反问环节

1. 后续安排：有二面，也是技术面，共两面
2. 面试评价：面试官给出上述正面评价与改进建议
3. 公司业务： 维护系统自研平台“机械星球”AI应用（Agent平台、口语练习等），做自有生态闭环，To B方向
4. 薪资：需与HR沟通，技术面不负责