前情提要

上月底离职后，简历加了一下最近做的AI相关的项目就开始投了，说实话没想过这么快就拿offer了，在BOSS上周六投到了周一，周二开始约面试周三到周五一共面了12家，两家国企，4家上市，剩余基本都是私企，最后拿了4个offer（一家上市，两家基本都是和大学学院有合作的，一家Web3）。

吐槽一下：国企和上市面试流程贼慢贼长；有些HR真的不给面试后的结果就是吊着，等到实在是没有更好的人选了才发offer过来（虽然我是个垃圾，但是也不能已读不回吧）

其实在上市和web3犹豫了一下，最后还是决定入职web3这家，这块一方面比较好奇，面试的时候看着老板就感觉好熟悉莫名的亲切，二来是有大佬愿意带带我，我TM直接就是偷学技术，其实我一面这家公司觉得已经没啥希望了，结果是最快拿到offer的。

面试题

因为面试接的太多，从早上面试到晚上，问的有点麻木了，这里只记得几个印象中比较深的

视觉机器人

这家主要想给机器人加大模型，下达指令，进去主要是做ASR\TTS\VLM

目标想接入VLM实现，看手指指向让机器人去到指定位置，检查工地不规范的佩戴，各方面场景

偏视觉，面试聊得蛮多，不过没后续了，视觉这块确实接触少了，而且VLM对实时视频返回这块响应速度，我意思用YOLO去做些目标检测给到模型去返回，可能没答到面试官的点子上

RAG

做RAG的公司好多，面试了好多家，主要问的就是rag的流程，怎么实现的

文档分割的方式，怎么优化的

向量模型选的什么？bge-m3的问题在哪？

召回怎么做？reranker模型？

粗排、精排

我做的比较入门级别，我主要讲的是文档分割这块去做优化，有家公司用OCR去做版面分析，把段落这块检测出来再去处理

RAG这块感觉更像是去给企业做定制化的，各式各样的文档处理啥的，基于用户去做适配的感觉

TEXT2SQL

这块问的就是用户复杂表结构，模型生成的SQL不准确怎么处理？

怎么优化？

除了对数据库层面处理，模型这块怎么优化？

我实际做的是TEXT2CYPHER，数据结构简单，模型生成基本没错误，也没仔细了解这块，答的面试官不太满意，不过还是过了

提示词工程

说实话面试的时候鬼知道问这个，很久没看这块了，主要问的就是提示词优化，你怎么去写提示词的，给你一个提示词你怎么评判写的好不好？我都是抄人家的提示词，这块两年前之前还专门看了，现在要么丢给模型去优化要么CV一个

然后就是用户注重数据安全，但是不本地部署大模型，接入的API怎么去保证数据安全，我当时觉得不好解决，被问了一天了也是摆烂了，直接不想回答就说没辙搞不了，面试官非要我讲一个，我就说本地自己部署吧

后面想了想把用户的数据拿到后直接先走个tokenizer变成token再走api，但是模型api提供方也没提供这种接口，就没讲。

感觉这块调大厂的api，你只要拼到提示词里面肯定就没安全可言了，本地最安心了。

没钱就没安全！

Agent

主要是langchain、langgraph，langchain里面的rag怎么实现，retriever、runnable、graph的实现，节点定义

我回答的比较入门级别，最后大佬给机会过了

END

目前大概就记这么多，其他想不起来了