AI 面试题备忘录（20min）
- 用法：引子开场 → 一条主线问下去 → 按候选人表现选支线深挖，哪层答不上就停在哪层
- 核心判断：回答里是否自然出现「我先…→让AI…→我检查/判断…」的驾驶员节奏
- 观众：「模型慢了？换个快的。」驾驶员：「慢在 prefill 还是 decode？该关推理关推理、该精简上下文精简、该换小模型换小模型。」
- 时间：引子 2-3min → 主线 8min → 支线一 4min → 支线二 4min → 支线三 4min
引子：AI 关注度（2-3min）
目的：开场暖场 + 判断他对 AI 感不感兴趣、关不关注。只考兴趣面，不考行业深度（核心在应用层）。
出口：听他提到什么模型/工具 → 自然接主线「你平时用它写代码是什么流程？」
⚠️ 定位：加分项不是门槛。主线/支线答得好但引子答不上 → 不淘汰；引子头头是道但主线讲不出真实例子 → 才是问题（知道很多但没用过）。认知能否转化为行动，执行力优先于好奇心。
不要直接问「你知道XX吗」——会变成知识考试。用事件做追问素材。候选人说不出任何事件 → 主动给一个（如 Fable 5 管制18天），考应变和工程思维，而不是考他记没记住新闻。
问题（全级）：最近一两年，AI领域有没有什么事让你觉得「原来还能这样」，或者让你对AI的理解发生了变化？
- 🟢 说出一个具体事件 + 一句话为什么重要；更好：能联系到自己的使用（所以我换了模型/开始用Agent/开始本地部署）
- 🔴 「没关注过」「我就用，不看新闻」→ 减分不致命，追问「平时怎么获取AI信息的？」「现在用什么模型？为什么选它？」
- 判断落点：结论落在「AI好厉害」=观众；落在「所以我应该怎么做」=驾驶员
- 深挖策略：1-2y 入口+1追问（有关注有体感即可）｜3-5y 入口+2-3追问（能推导到自己使用方式变化）｜5y+ 入口+3-4追问+至少1个「如果你是架构师」视角题
按他的回答选方向深挖（1-2y 选2问 / 3-5y 选3问 / 5y+ 全展开）：
| 方向 | 层级 | 追问 |
|---|---|---|
| A DeepSeek时刻 | 1-2y | DeepSeek出来后你用AI的方式有变化吗？换模型了吗？为什么换/不换？ |
| 3-5y | DeepSeek最核心的冲击是什么？是「便宜」，还是别的？ | |
| 5y+ | 「智能不一定需要堆算力」对应用层意味着什么？基模越强，应用层越不重要还是反过来？ | |
| B 多Agent时刻 | 1-2y | 用过Agent类功能吗（自动搜索/写文件/跑代码）？跟普通对话有什么区别？ |
| 3-5y | 多Agent和单个大模型对话，本质区别是什么？为什么不能一个模型全搞定？ | |
| 5y+ | 设计一个风控场景的多Agent系统：怎么拆？各自负责什么？怎么协调？ | |
| C 上下文/记忆/压缩 | 1-2y | 跟AI聊久了它会「忘事」吗？给太多信息反而答得更差吗？你怎么处理的？ |
| 3-5y | 怎么理解「上下文窗口」？为什么不能简单地「越大越好」？ | |
| 5y+ | KV Cache压缩、可生长记忆这些突破，是不是以后就不用管上下文管理了？ | |
| D 基模原理 | 全级 | 大模型为什么会「一本正经地胡说八道」？它的「聪明」和人的「聪明」本质区别在哪？ |
好答案锚点：
- A DeepSeek：
- 1-2y：有实际切换体验、「分场景选模型」的判断，不是无脑吹 🔴「中国AI站起来了」「就是便宜了」——纯情绪/表面
- 3-5y：核心不是便宜，是打破「AI是大公司才能玩的游戏」→ 开源→本地部署→数据不出内网，联系到自己业务（如设备指纹不能传外部API）
- 5y+：瓶颈从「模型行不行」转移到「能不能把问题描述清、把流程编排好」；人人都能调模型 → 差异化在编排和领域知识，应用层反而更重要
- B 多Agent：
- 1-2y：普通对话=你问我答，Agent=说目标它自己规划执行；有「跑偏」体验和应对（给更明确约束）
- 3-5y：本质是关注点分离——单模型上下文装不下、注意力分散；多Agent各管一件事、上下文更聚焦，类比全栈工程师vs团队
- 5y+：具体拆法（Planner/Data/Coder/Reviewer/Reporter）+ 协调机制（结构化输出才接得住）+ 承认局限（Agent间传话丢信息如电话游戏，关键决策人confirm）🔴「多个AI一起干活」——无深度
- C 上下文/记忆：
- 1-2y：有「忘事」真实体验+「精简传递」策略，类比跟同事交接（只说进展和下一步注意什么）
- 3-5y：不能越大越好两原因——注意力分散（10个监控屏不如3个看得细）+成本线性增长；关键是「塞对的」不是「塞多的」，联系RAG/代码索引
- 5y+：突破的意义是降成本不是「不用管了」；「该记什么该忘什么」的判断不消失，类比OS内存4G→64G仍要内存管理
- D 基模原理：
- 🟢 本质是「下一个token的概率预测」——在生成最像事实的文本，不是查数据库；优化目标是「像」不是「对」，所以数据覆盖不够就「编一个看起来合理的」
- 🟢 更深：大模型=模式匹配穷举，人=有因果模型的推理（知道为什么、知道何时失效）；所以AI擅长模糊问题快速给方向，弱于有明确标准的精确判断
- 🟡 「训练数据有截止日期」——对但浅，只讲了知识过时没讲生成机制
- 🔴 「还不够智能」「算力不够」——无信息量/错误归因
面试官速查·关键事件时间线（⭐=面试价值）：
| 时间 | 事件 | 一句话意义 | 价值 |
|---|---|---|---|
| 2022.11 | ChatGPT 发布 | 普通人第一次「摸到」大模型 | ⭐ |
| 2024.9 | OpenAI o1 | 模型学会「慢思考」，推理链显式化 | ⭐⭐⭐ |
| 2025.1 | DeepSeek-R1 开源 | 打破「堆算力=堆智能」，英伟达蒸发5520亿 | ⭐⭐⭐⭐ |
| 2025.4 | o3 / o4-mini | 图像思考+工具自主调用，推理成本砍80% | ⭐⭐⭐ |
| 2025.5-7 | Kimi OK Computer / K2 开源 | Agent 从概念到产品，MoE 工具调用登顶 | ⭐⭐ |
| 2026.1 | Kimi K2.5：100 Agent 并行 | 多Agent集群时代 | ⭐⭐⭐ |
| 2026.2 | MiniMax Expert 2.0 | 「提示词工程」→「自然语言定义SOP」 | ⭐⭐ |
| 2026.3 | DeepSeek V4 | 多模态+100万Token上下文 | ⭐⭐⭐ |
| 2026.3 | 谷歌 TurboQuant | KV Cache压缩6倍，推理提速8倍 | ⭐⭐⭐ |
| 2026.3 | 中国AI调用量首超美国 | 开源铺管道，闭源卖门票 | ⭐⭐⭐ |
| 2026.4 | GPT-5.5 | Agent全链路闭环，「少给指引，多做事情」 | ⭐⭐⭐⭐ |
| 2026.4 | 谷歌 RNN 可生长记忆 | 突破Transformer内存瓶颈 | ⭐⭐⭐ |
| 2026.5 | OpenAI 攻克80年数学猜想 | AI首次数学核心领域自主突破（125页证明） | ⭐⭐⭐⭐ |
| 2026.6.12→7.2 | Anthropic Fable 5 出口管制18天 | AI地缘政治化，「科技无国界」终结 | ⭐⭐⭐⭐ |
| 2026.6.17 | GLM-5.2 开源 | 中国模型首次 Code Arena 登顶（管制后5天发布） | ⭐⭐⭐⭐ |
| 2026.7.16 | Kimi K3：2.8万亿参数开源 | 全球最大开源模型，100万上下文 | ⭐⭐⭐⭐ |
| 2026.7 | OpenRouter 前六全是中国模型 | 开源生态彻底翻转格局 | ⭐⭐⭐ |
| 2026.7 | WAIC：世界模型元年 | AI从「生成内容」到「理解世界」 | ⭐⭐⭐ |
重点事件追问精华：
- GLM-5.2 登顶：3-5y「换模型要考虑什么」→ 能力匹配（不是最强就最好）/成本/数据安全/API稳定性；5y+「管制后5天发布这个时间窗口怎么看」→ 技术储备是提前做的 + AI供应链安全已是工程问题 → 模型抽象层/多模型热备/本地部署兜底
- Fable 5 管制：3-5y「最大的教训」→ 不要把鸡蛋放在别人的篮子里，API背后是地缘政治；本地部署从锦上添花变必须做；5y+「怎么设计不怕被管制的工具链」→ 统一Model Interface/分级策略（核心业务走本地）/降级预案/数据不出域，本质=微服务熔断降级思路
- Kimi K3 2.8T：3-5y「参数大和好用之间还差什么」→ 推理成本/上下文管理/领域适配/工程集成；开源价值=可部署可微调数据不出内网，但2.8T的GPU门槛→实际用API或蒸馏版
- GPT-5.5 少给指引：3-5y「什么场景可以少给、什么必须给清」→ 判断标准=出错代价+能否回滚；探索性任务放手，生产性任务给清约束；5y+「开发者角色变成什么」→ 定义问题+验证结果；人在loop机制=人工checkpoint/写操作必须确认/blast radius限制/可审计可回滚
- 数学猜想：「跟AI写代码是一回事吗」→ 证明有唯一正确标准可验证，AI擅长；写代码的「对」是多维的（功能/性能/可维护/规范/安全），AI只能保证功能对；证明=明确规则内找路径，写代码=模糊需求中做取舍
- OpenRouter 霸榜：3-5y「开源为何超闭源」→ 部署自由+数据安全+不被管制+不被定价绑架；选模型不是选最强，是选最适合+最可控
总评分锚点：
| 层级 | 表现 |
|---|---|
| L0 | 「没关注过」「我就用，不看新闻」→ 减分不致命 |
| L1 | 1个事件+一句话概括 → 1-2y合格 |
| L2 | 事件+对自己使用方式的影响（所以我换了模型/开始本地部署）→ 1-2y优秀/3-5y合格 |
| L3 | 事件+技术意义+行业影响（开源铺管道闭源卖门票）→ 3-5y优秀 |
| L4 | 事件→架构决策（所以我要做模型抽象层+多模型热备）→ 5y+合格 |
| L5 | 多事件→趋势判断（对话→Agent→多Agent→闭环，瓶颈从模型转移到编排）→ 5y+优秀 |
与核心判断对齐（每个事件都可验证候选人是不是「驾驶员」）：
| 核心判断 | 对应事件 | 好答案体现 |
|---|---|---|
| 瓶颈不在基模，在应用层 | GPT-5.5/Agent | 模型够用了，关键在编排和领域知识 |
| AI价值=让试错变快变便宜 | o4-mini砍80%/DeepSeek开源 | 成本低→试错多→迭代快 |
| 人出判断，AI出速度 | 数学猜想/Agent闭环 | AI能证明，但「证明什么」是人定的 |
| 私有知识是AI天然缺位 | GLM-5.2/开源微调 | 通用模型不懂我的业务，要自己补 |
终极一问：候选人讲完事件后，结论落在「AI好厉害」还是「所以我应该怎么做」？前者是观众，后者是驾驶员。
主线：AI Coding 全流程（8min）
从一个真实例子切入，顺着他讲的流程一路挖到底。这是主菜，必须问透。
| 层级 | 问题 |
|---|---|
| 1-2y | 拿到需求到代码提交，中间怎么用AI的？讲个最近的真实例子 |
| 追问 | AI到底帮你省了哪一步？ |
| 全级 | AI生成的代码，你怎么判断它是对的？被坑过吗？ |
| 3-5y | 哪一步AI帮不了你、或者帮倒忙？后来怎么处理的？ |
| 3-5y | token消耗大吗？你怎么控制给AI的上下文？给多给少分别会怎样？ |
| 5y+ | 上下文装不下的复杂任务，怎么让AI跟你跑完全程？ |
| 5y+ 加分 | 团队要做到偏AI Coding，需要建设哪些能力？哪些环节人不可替代？ |
好答案锚点：
- 流程：有「先自己想→让AI跑→自己验证」节奏，有细节（贴了什么、AI哪里写错、改了什么）
- 🔴 「丢给AI生成，看看没问题就提交」——无细节、无验证
- 验证：分层——看逻辑边界 → 查引用的类/方法是否真实存在 → 跑测试；有被坑实例（幻觉API、正则贪婪、并发默认值）
- 🔴 「跑一下没报错就行」
- 卡点：归因到「AI缺私有知识/内部规范」，解法是主动补约束（如线程池规范写进prompt）
- 🔴 「跑不通就自己改改」——归因模糊
- Token：「刚好够」原则——只贴相关方法、贴接口签名不贴实现、贴一个已有样例代替描述、对话长了总结后开新对话；知道多了会「注意力分散」、少了会开始「编」
- 长任务：拆阶段+带结论——每个对话只做一件事，做完总结带进下一对话；不指望一个对话跑到尾
- 🔴 「一直聊，忘了就重新说一遍」——无编排策略
- 全链路：四层——需求层（语音/会议→PRD）、知识层（代码索引+知识库降token）、方案层（PRD+索引→穷举方案）、编码层（方案→代码）
- 人不可替代：定义需求边界、方案取舍、CR兜底、上线决策与定责
支线一：答不对时怎么办——归因能力（4min）
从主线中他提到的卡点自然过渡：「你刚才说AI会写错，那有没有它明明该答对但就是答不对的情况？」
| 层级 | 问题 |
|---|---|
| 1-2y | 有没有AI「明明该答对但就是答不对」的情况？讲个具体例子，当时卡在哪？ |
| 3-5y | 是模型能力不够，还是你给的信息不够？你怎么判断的？ |
| 5y+ | 团队怎么系统性减少这类「答不对」？prompt规范/知识库/RAG怎么选？怎么衡量「答对了」？ |
好答案锚点：
- 能分类归因并给对应解法：
- 缺领域知识 → 补DSL语法+贴已有样例
- 上下文溢出 → 精简到入口类+目标方法+接口定义
- 指令模糊 → 明确边界，说清楚「不要什么」
- 幻觉 → 引用的类名先在IDE搜一遍再用
- 🔴 「多问几遍」「换个更强的模型」——只会升级装备，不会调整驾驶方式
支线二：AI 替代的边界（4min）
从「AI帮不了你」继续往下挖：「那再往大了说，你觉得AI替代不了什么？」
| 层级 | 问题 |
|---|---|
| 1-2y | AI替代不了什么？你工作中有什么事是AI肯定干不了的？ |
| 3-5y | 如果给AI足够的数据和规则，它是不是就能做了？边界到底在哪？ |
| 5y+ | 怎么跟老板解释「用了AI但还是要这么多人」？AI会怎么改变团队分工？ |
好答案锚点：
- 防背诵：至少讲到两条，且有自己的推导和例子
- 责任归属：AI不能背锅，「这条规则上不上」必须人拍板
- 私有知识：散落人脑里的经验/直觉/历史背景，没法结构化喂给AI
- 取舍是价值判断：选误杀低还是漏放低，取决于业务阶段，AI给不了
- 定义问题 > 解决问题：「这是不是真需求」由人提出
- 🔴 背套话：「创造力、情感、共情」「AI没有意识」——无推导无例子
支线三：模型响应速度——工程实践（4min）
融合实战版：一题覆盖上下文窗口 + 工具挂载 + 模型选择 + 推理策略 + 输出控制。比问「MCP是什么」更自然、更难背——背答案的人只会说「换个快的模型」，驾驶员会拆解慢在哪个环节。
基模认知（推理模式/MoE/参数量）在这里浅问，能落到「所以你怎么用」即可，不深挖原理。
| 层级 | 问题 |
|---|---|
| 全级 | 用AI工具时有没有觉得响应太慢？你一般怎么让它快一点？ |
| 3-5y | 响应快慢跟哪些因素有关？能列一下吗？哪个影响最大？ |
| 3-5y | 什么时候开推理模式、什么时候不开？怎么判断的？ |
| 5y+ | 快和好怎么平衡？你是不是一直用最快/最强的模型？ |
好答案锚点：
- 因素层（3-5y，能列4个以上为🟢）：
- 输入长度：上下文越大 prefill 越慢；含历史消息 + MCP/SKILL 挂载底噪——MCP 把工具 schema 全量注入常驻上下文，挂越多每次请求越慢（SKILL 懒加载只挂描述，正是为此而生）
- 推理模式：开了深度思考（o1/DeepSeek-R1 类），先「想」一大段再答，生成量翻 5-10 倍
- 参数量+架构：参数越大越慢；MoE（总参数大但每次只激活一小部分）比同规模 Dense 快很多
- 输出长度：让它写 500 行代码肯定比答一个是/否慢——最直接可控的变量
- 🟡 只列「上下文+模型大小+网络」——方向对但不全；🔴「换个快的模型」——无拆解能力
- 解法层（先定位慢在哪，再针对性优化）：
- 读得慢（prefill）：精简上下文只给当前需要的 / 不用的工具不挂载 / 不变的内容放前面吃前缀缓存
- 想得慢（推理）：简单问题关推理 / 复杂问题限思考 token / 拆步问
- 写得慢（decode）：限输出长度 / 只要关键方法不要整个类 / 流式输出改善体感
- 模型本身慢：分场景路由——简单任务走小模型，不是一直用最贵的
- 取舍层（5y+）：分场景分级——探索阶段（想方案）用推理模型质量优先；执行阶段（写代码改bug）用快模型速度优先、质量靠自己 review；验证阶段不靠模型靠单测。不是一直最快、也不是一直最强，是当前这一步需要什么选什么
评分：L1 知道精简上下文/换小模型（1-2y合格）｜L2 列4+因素、能区分读慢/想慢/写慢（3-5y合格）｜L3 有分场景选模型策略、讲清快与好的 trade-off（3-5y优秀）｜L4 取舍背后有一致的方法论：出错代价+可回滚性决定放手程度（5y+）
终极判断
| 差答案（被AI用） | 好答案（用AI） | |
|---|---|---|
| 节奏 | 先问AI，等AI告诉我怎么办 | 我先想 → 让AI跑 → 我检查 |
| 归因 | 换个模型再试试 | AI缺的是XX信息，我来补 |
| 验证 | 跑一下没报错就行 | 这一步AI做不了，因为… |
| 特征 | 背概念、无细节、无归因 | 有细节、有归因、有取舍 |